CORRELACION

Es la forma numérica en la que la estadística ha podido evaluar la relación de dos

o más variables, es decir, mide la dependencia de una variable con respecto de
otra variable independiente. En caso de que suceda, diremos que las variables
están correlacionadas o que hay correlación entre ellas.
El coeficiente de correlación lineal se expresa mediante la letra r:
𝜎𝑥𝑦
𝑟=
𝜎𝑥 𝜎𝑦

Donde 𝜎𝑥𝑦 es la covarianza

Características:
1. El coeficiente de correlacion no varia al hacerlo a escala de medición, es
decir, si expresamos la altura en metros o en centímetros el coeficiente de
correlacion no varia

2. El coeficiente de correlación muestral toma un valor intervalo de -1 y 1.

3. El signo del coeficiente de correlación es el mismo que el de

la covarianza.

 Si la covarianza es positiva, la correlación es directa.

 Si la covarianza es negativa, la correlación es inversa.

 Si la covarianza es nula, no existe correlación.

4. Si r= 1 o -1 los puntos de la nube están sobre la recta creciente o

decreciente. Entre ambas variables hay dependencia funcional

|
 5. Si el coeficiente de correlación lineal toma valores cercanos a −1 la
correlación es fuerte e inversa, y será tanto más fuerte cuanto más se
aproxime r a −1.

6. Si el coeficiente de correlación lineal toma valores cercanos a 1 la

correlación es fuerte y directa, y será tanto más fuerte cuanto más se
aproxime r a 1.

7. Si el coeficiente de correlación lineal toma valores cercanos a 0, la

correlación es débil.

TIPOS DE CORRELACION:

Puede clasificarse en dos tipos dependiendo de la cantidad de variables

analizadas por el tipo de relación lineal, en este primer caso hacemos
referencia a:

 Correlación Simple: Se llama así porque solo se involucra una variable

independiente.

 Correlación múltiple: Se llama así a la relación entre varias variables

independientes con una pendiente.

 Correlación Parcial: Cuando se incluye la influencia de variables

exógenas, no consideradas en el cálculo de coeficientes.

Dependiendo del tipo de relación lineal el coeficiente se relaciona:

|
 1. Correlación directa entre las variables: aumento en la
variable independiente implica un aumento en la variable
dependiente
La recta correspondiente a la nube de puntos de la
distribución es una recta creciente

2. Correlación inversa entre

las variables: un aumento en la variable
inpedendiente implica una disminución en la
variable dependiente.
La recta correspondiente a la nube de puntos
de la distribución es una recta decreciente

3. Correlación Nula: La correlación nula se da cuando

no hay dependencia de ningún tipo entre las
variables. En este caso se dice que las variables
son incorrelacionadas y la nube de puntos tiene
una forma redondea

GRADOS DE CORRELACION:
A. Correlación Fuerte: esto se dara cuando los puntos estarán juntos

a.1) Positiva: Nos indica que al modificarse en promedio de una variable en un

sentido, la otra lo hace en la misma dirección.

a.2) Negativa: Nos muestra que al cambiar una variable en una determinada
dirección, la otra lo hace en sentido contrario u opuesto.

a.3) Nula: No hay asociación.

B. Correlación débil: será débil cuando mas separados están los puntos de la recta

|
Ejemplo:
La estatura y pesos de 10 jugadores de baloncesto de un equipo son
Estatura(x) Pesos(y)
186 85
189 85
190 86
192 90
193 87
193 91
198 93
201 103
203 100
205 101

Calcular el coeficiente de correlación:

1950
𝑥̅ = = 195 ……… Media marginal de x
10
921
𝑦̅ = 10 =92.1 -………Media marginal de y

∑ 𝑥2 380618
Desviación típica marginal de x: 𝜎𝑥 = √ − ̅̅̅
𝑥2 𝜎𝑥 = √ − 1952 = 6.07
𝑁 10

∑ 𝑦2 85255
Desviación típica marginal de y: 𝜎𝑦 = √ − ̅̅̅
𝑦2 𝜎𝑦 = √ − 92.12 = 6.56
𝑁 10

179971
Covarianza: − 195 ∗ 92.1 = 37.6
10

37.61
Coeficiente:𝑟 = 6.07∗6.56 = 0.94

Correlación positiva y muy fuerte

|
COEFICIENTE DE CORRELACION:

Miden el grado de correlación, adaptados a la naturaleza. El más conocido es el

coeficiente de Pearson (introducido en realidad por Francis Galton), que se
obtiene dividiendo la covarianza de dos variables por el producto de sus
desviaciones estándar. Otros coeficientes son:
♥ Coeficiente de correlación de Spearman

♥Correlación Canónica.
1. Coeficiente de correlación de Karl Pearson: la correlación permite hacer
estimaciones del valor de una de ellas conociendo el valor de la otra
variable.

Los coeficientes de correlación son medidas que indican la situación

relativa de los mismos sucesos respecto a las dos variables, es decir, son la
expresión numérica que nos indica el grado de relación existente entre las 2
variables y en qué medida se relacionan. Son números que varían entre
los límites +1 y -1. Su magnitud indica el grado de asociación entre las
variables; el valor r = 0 indica que no existe relación entre las variables.

Para interpretar el coeficiente de correlación utilizamos la siguiente escala.

Valor Significado
-1 Correlación negativa grande y perfecta
-0.9 a -0.99 Correlación negativa muy alta
-0.7 a -0.89 Correlación negativa alta
-0.4 a -0.69 Correlación negativa moderada
-0.2 a -0.39 Correlacion negativa baja
-0.01 a -0.19 Correlación negativa muy baja
0 Correlación Nula
0.01 a 0.19 Correlacion positiva muy baja
0.2 a 0.39 Correlación positiva baja
0.4 a 0.69 Correlación positiva moderada
0.7 a 0.89 Correlacion positiva alta
0.9 a 0.99 Correlación positiva muy alta
1 Correlacion positiva grande y perfecta

Para datos no agrupados se calcula aplicando la siguiente ecuación

∑ 𝑥𝑦
𝑟=
√(∑ 𝑥 2 ) (∑ 𝑦 2 )

R= coeficiente producto- momento de correlación lineal

|
 𝑋 = 𝑋 − 𝑥̅ 𝑌 = 𝑌 − 𝑦̅
Ejemplo básico:
Con los datos de temperatura de distintos días en un pueblo, determina el
tipo de correlación que existe entre ellas mediante el coeficiente de Pearson

X 18 17 15 16 14 12 9 15 16 14 16 18 Sx=180
Y 13 15 14 13 9 10 8 13 12 13 10 8 Sy=138

Se calcula la media marginal tanto de x como y

X=180/12=15
Y=138/12=11.5

X Y Y=Y-y ̅ xy
18 13 3 1,5 9 4,5 2,25
17 15 2 3,5 4 7 12,25
15 14 0 2,5 0 0 6,25
16 13 1 1,5 1 1,5 2,25
14 9 -1 2,5 1 2,5 6,25
12 10 -3 1,5 9 4,5 2,25
9 8 -6 3,5 36 21 12,25
15 13 0 1,5 0 0 2,25
16 12 1 0,5 1 0,5 0,25
14 13 -1 1,5 1 1,5 2,25
16 10 1 1,5 1 1,5 2,25
18 8 3 3,5 9 10,5 12,25
∑=180 ∑=138 72 28 63

Se aplica la fórmula:
∑ 𝑥𝑦
𝑟=
√(∑ 𝑥 2 )(∑ 𝑦 2 )

28
𝑟= =0,416
√(72)(63)

|
Se aplica la siguiente formula :

𝑁 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑟= 2
√(𝑁 ∑ 𝑥 2 − (∑ 𝑥) )(𝑁 ∑ 𝑦 2 − (∑ 𝑦)2 )

Donde:
R= coeficiente de correlación de Pearson.
∑xy=Sumatoria de los productos de ambas variables?
∑x= Sumatoria de los valores de variable independiente
∑y= Sumatoria de los valores de la variable dependiente
∑x2=Sumatoria de los valores al cuadrado de la variable independiente
∑y2= Sumatoria de los valores al cuadrado de la variable dependiente
N= Tamaño de la muestra en función de parejas.