CORRELACION DE PEARSON:

El coeficiente de correlacin de Pearson es un ndice estadstico que mide la relacin

lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlacin de
Pearson es independiente de la escala de medida de las variables.
El clculo del coeficiente sagas g de correlacin lineal se realiza dividiendo la
covariancia por el producto de las desviaciones estndar de ambas variables:
La formula suele aparecer expresada como:
-a primera e!presin se resuelve utilizando la covarianza " las desviaciones tpicas de
las dos variables #en su forma insesgada$.
-a segunda forma se utiliza cuando partimos de las puntuaciones tpicas empricas.
Este estadstico, refle%a el grado de relacin lineal que e!iste entre dos variables. El
resultado num&rico fluct'a entre los rangos de () a -).
Tras realizar el clculo del coeficiente de correlacin de Pearson #r$ debemos determinar
si dic*o coeficiente es estadsticamente diferente de cero. Para dic*o calculo se aplica
un +es. basado en la distribucin de la t de student.
,i el valor del r calculado #en el e%emplo previo r - ..//0$ supera al valor del error
estndar multiplicado por la t de ,tudent con n-1 grados de libertad, diremos que el
coeficiente de correlacin es significativo.
El nivel de significacin viene dado por la decisin que adoptemos al buscar el valor en
la tabla de la t de ,tudent.
En el e%emplo previo con 1. ni2os, los grados de libertad son )/ " el valor de la tabla de
la t de student para una seguridad del 304 es de 1.). " para un 334 de seguridad el
valor es 1.//. #+abla 1$
5omo quiera que r - ..//0 6 a 1.).
7
..).3 - 1.8. podemos asegurar que el coeficiente
de correlacin es significativo #p9...0$. ,i aplicamos el valor obtenido en la tabla de la
t de ,tudent para una seguridad del 334 #t - 1.//$ observamos que como r - ..//0
sigue siendo 6 1.//
7
..).3 - ..8)8 podemos a su vez asegurar que el coeficiente es
significativo #p9....)$. Este proceso de razonamiento es vlido tanto para muestras
peque2as como para muestras grandes. En esta 'ltima situacin podemos comprobar en
la tabla de la t de student que para una seguridad del 304 el valor es ).3: " para una
seguridad del 334 el valor es 1.0/.

Intervalo de confianza del coeficiente de correlacin.
a distribucin del coeficiente de correlacin de Pearson no es normal pero no se puede
transformar r para conseguir un valor z que sigue una distribucin normal
#transformacin de ;is*er$ " calcular a partir del valor z el intervalo de confianza.
a transformacin es:

<
representa el logaritmo neperiano en la base e
donde n representa el tama2o maestral. El 304 intervalo de confianza de z se calcula de
la siguiente forma:
+ras calcular los intervalos de confianza con el valor z debemos volver a realizar el
proceso inverso para calcular los intervalos del coeficiente r
=tilizando el e%emplo de la +abla ), obtenemos r - ..//0
304 intervalo de confianza de z
+ras calcular los intervalos de confianza de z debemos proceder a *acer el clculo
inverso para obtener los intervalos de confianza de coeficiente de correlacin r que era
lo que buscbamos en un principio antes de la transformacin logartmica.
..>1: a ..308 son los intervalos de confianza #304$ de r.

Presentacin de la correlacin
,e debe mostrar siempre que sea posible la grfica que correlaciona las dos variables de
estudio #;ig )$. El valor de r se debe mostrar con dos decimales %unto con el valor de la
p si el test de *iptesis se realiz para demostrar que r es estadsticamente diferente de
cero. El n'mero de observaciones debe a su vez estar indicado.
Figura 1. Correlacin entre Peso y Talla

Interpretacin de la correlacin
El coeficiente de correlacin como previamente se indic oscila entre ?) " ()
encontrndose en medio el valor . que indica que no e!iste asociacin lineal entre las
dos variables a estudio. =n coeficiente de valor reducido no indica necesariamente que
no e!ista correlacin "a que las variables pueden presentar una relacin no lineal como
puede ser el peso del reci&n nacido " el tiempo de gestacin. En este caso el r
infraestima la asociacin al medirse linealmente. os m&todos no param&trico estaran
me%or utilizados en este caso para mostrar si las variables tienden a elevarse
con%untamente o a moverse en direcciones diferentes.

Coeficiente de correlacin de los rangos de Spearman
Este coeficiente es una medida de asociacin lineal que utiliza los rangos, n'meros de
orden, de cada grupo de su%etos " compara dic*os rangos. E!isten dos m&todos para
calcular el coeficiente de correlacin de los rangos uno se2alado por ,pearman " otro
por @endall #/$. El r de ,pearman llamado tambi&n r*o de ,pearman es ms fcil de
calcular que el de @endall. El coeficiente de correlacin de ,pearman es e!actamente el
mismo que el coeficiente de correlacin de Pearson calculado sobre el rango de
observaciones. En definitiva la correlacin estimada entre A e B se *alla calculado el
coeficiente de correlacin de Pearson para el con%unto de rangos apareados. El
coeficiente de correlacin de ,pearman es recomendable utilizarlo cuando los datos
presentan valores e!ternos "a que dic*os valores afectan muc*o el coeficiente de
correlacin de Pearson, o ante distribuciones no normales.
El clculo del coeficiente viene dado por:
en donde d
i
- r
!i
? r
"i
es la diferencia entre los rangos de A e B.