AÑO DEL BUEN SERVICIO AL CIUDADANO

CIENCIAS DE LA SALUD

ESCUELA PROFESIONAL DE PSICOLOGIA

TEMA: ASIMETRIA DE PEARSON

ASIGNATURA: ESTADISTICA

DOCENTE: HUMBERTO NARVA RORCAL

ALUMNA: LAVALLE PEREZ KASANDRA

ACTIVIDAD: (13)

UNIDAD: (III)

CICLO : (II)

TUMBES_2017
 ASIMETRÍA DE PEARSON
La covariación es una cualidad de la relación conjunta entre variables, y es el grado de
coincidencia de las posiciones relativas de los casos en las variables. Presenta dos
características: sentido o tipo. Cuando la covariación es positiva (o directa) los valores
más altos en una variable tienden a coincidir con los más altos de la otra variable, y
cuando es negativa (o inversa) los valores más altos en una variable tienden a coincidir
con los más bajos de la otra variable, e intensidad o magnitud, que es el grado en que
las posiciones relativas de los datos son coincidente (en sentido positivo o inverso), y
que en la gráfica es el grado hasta el que los puntos se acercan a la línea recta que
representa máxima covariación. 2.1 Tablas

Las tablas bivariadas muestran la distribución de frecuencias conjuntas de dos

variables dispuestas respecto de dos ejes que representan los valores de cada variable.
La frecuencia conjunta es el número de casos que presentan el valor "i" en una
variable y el valor "j" en la otra variable.

Ejemplo

Queremos estudiar si hay relación entre Estado Civil y preferencia por programas de
TV. Pedimos a un grupo de individuos que nos digan cuál tipo de programa prefieren, y
codificamos las respuestas siguiendo la siguiente regla:

La variable X simboliza el tipo de programa, y los símbolos significan:

La variable Y simboliza el estado civil, y los símbolos significan:

Agrupamos los datos en una tabla bivariada de frecuencias:

Los números en negrita son las frecuencias conjuntas, y los obtenemos poniendo en
cada casilla el número de veces que aparece cada combinación: por ejemplo, en la
casilla 1,1 (intersección de fila 1 y columna 1) hay un 3 porque la combinación 1,1
aparece 3 veces en los datos originales. En la casilla 2,1 (intersección de fila 2 en la
columna 1) hay 0 porque no hay ningún caso con la combinación 2,1 en los datos
originales, etc.). Las tablas bivariadas pueden incluir los totales por filas y columnas,
denominados marginales y el total de casos. También pueden expresar las frecuencias
conjuntas y marginales como porcentajes o proporciones.

Como conclusión, se aprecia que la tabla bivariada de frecuencias informa de la

relación entre variables, y por tanto es un elemento adecuado para obtener
estadísticos que midan con precisión la relación de asociación entre variables.

.2 Gráficas

Variables cualitativas

La siguiente tabla ha sido obtenida con un conjunto de datos de mayor tamaño que el
del ejemplo anterior, y muestra las marginales de fila y columna, así como el total:
VARIABLES
CUANTITATIVAS

DIAGRAMA DE
DISPERSIÓN
La gráfica que representa la
covariación es denominada
"diagrama de dispersión", y
consiste en un conjunto de
puntos (denominado nube
de puntos) cuyas
coordenadas son los valores
de los casos en cada variable.
Ejemplo: (Si estás leyendo el
tema en ordenador puedes activar el siguiente ejemplo clicando de forma repetida
sobre la imagen y ver paso a paso la elaboración de la gráfica)

donde:

a) Cada uno de los ejes representa cada variable (el orden es arbitrario).

b) Los puntos se sitúan en la intersección de las proyecciones de las posiciones de cada

caso en cada variable.
Interpretación: Cuanto más próximos se sitúen los puntos a lo largo de una recta
imaginaria más intensa es la covariación (correlación). Si esta recta es ascendente
significa que la correlación es positiva o directa. Si la recta es descendente significa que
la correlación es negativa o inversa. Si los puntos aparecen dispersos o adoptan una
configuración en círculo indica que no hay covariación (correlación). Cuando la
covariación es positiva significa que los valores de las dos variables tienden a coincidir,
y cuando es inversa significa que los valores más altos de una variable tienden a
coincidir con los más bajos de la otra variable. La disposición circular o dispersa de los
puntos indica ausencia de covariación.

Ejemplos

Covariación directa de magnitud (intensidad) alta:

Supongamos que queremos saber si las capacidades para la Matemáticas y para la

Literatura son la misma, es decir, si los estudiantes que destacan en Matemáticas
también lo hacen en Literatura, y si los que tienen dificultades en Matemáticas
también tienen en Literatura, etc. Para llevar a cabo una investigación recogemos
datos de un grupo de estudiantes en dos pruebas, una de Matemáticas (X) y de
Literatura (Y), y supongamos que el resultado es que los estudiantes que han obtenido
las puntuaciones más altas en Matemáticas también han obtenido las puntuaciones
más altas en Literatura, y los que han obtenido las puntuaciones más bajas en
Matemáticas también han obtenido las puntuaciones más bajas en Literatura: (Si estás
leyendo el tema en ordenador puedes activar el siguiente ejemplo clicando de forma
repetida sobre la imagen y practicar introduciendo tus datos, pero ten en cuenta que
deben ser de la misma escala para que aparezcan en la gráfica)

Los puntos se sitúan alrededor de una recta ascendente imaginaria que representa
máxima covariación de tipo directo.
Covariación inversa de magnitud (intensidad) alta:

Las puntuaciones más altas en X corresponden con las puntuaciones bajas de Y sin que
la correspondencia sea perfecta: La puntuación más alta en X se corresponde con la
segunda más baja de Y, y la más baja de X con la segunda más alta de Y):

Los puntos se sitúan alrededor de una recta descendente imaginaria que representa
máxima covariación de tipo inverso

Sin covariación:

No hay correspondencia entre las posiciones de las puntuaciones en las dos variables:
puntuaciones altas en X corresponden con puntuaciones bajas y altas en Y (el 6 con el
7, pero el 5 con el 4); puntuaciones bajas de X corresponden con puntuaciones altas y
bajas en Y (2 con el 5 y 3 con el 8):
Coeficiente de Pearson
La covariación es el grado de concordancia de las posiciones relativas de los datos de
dos variables. En consecuencia el coeficiente de correlación de Pearson opera con
puntuaciones tipificadas (que miden posiciones relativas) y se define:

El fundamento del coeficiente de Pearson es el siguiente: Cuanto más intensa sea la

concordancia (en sentido directo o inverso) de las posiciones relativas de los datos en
las dos variables, el producto del numerador toma mayor valor (en sentido absoluto).
Si la concordancia es exacta, el numerador es igual a N (o a -N), y el índice toma un
valor igual a 1 (o -1).

Ejemplo 1 (Máxima covariación positiva)

Observa que los datos tipificados (expresados como puntuaciones z) en las dos
columnas de la derecha tienen los mismos valores en ambas variables, dado que las
posiciones relativas son las mismas en las variables X e Y.

Si obtenemos los productos de los valores tipificados para cada caso, el resultado es:

El cociente de dividir la suma de productos (5) por N (hay que tener en cuenta que N es
el número de casos, NO el número de datos) es igual a 1:
Ejemplo 2 (Covariación positiva de alta intensidad)

y por tanto,

Ejemplo 3 (Ausencia de covariación)

Ejemplo 4 (Covariación negativa de alta

intensidad)
Ejemplo 5 (Máxima covariación negativa)

El valor de la correlación es igual a 1 o -1 si la covariación es de intensidad máxima, y

se va acercando hacia el 0 cuanto más pequeña sea la intensidad de la covariación.
Además, el índice tiene signo positivo cuando la covariación es directa y negativo
cuando es inversa.

(Los ejemplos anteriores los puedes practicar con otros datos -pero de la misma
escala- si estás leyendo el tema en ordenador, para la que cual hay que clicar dos veces
en la siguiente imagen)

Características

a) El coeficiente de correlación de Pearson puede tomar valores entre -1 y 1.

b) La correlación de una variable con ella misma siempre es igual a 1.

c) El valor 0 indica ausencia de covariación lineal, pero NO si la covariación es de tipo

no lineal. (Ver ejemplo en el apartado de relaciones no lineales).
Covarianza
El índice de Covarianza es el sumatorio de productos cruzados de las variables, dividido
por N:

Una expresión equivalente es:

A partir de la Covarianza se ha derivado la siguiente fórmula del coeficiente de

correlación de Pearson (esta fórmula es alternativa a la de productos cruzados de las
variables tipificadas y da el mismo resultado):

Características

a) El índice de Covarianza toma:

- El valor 0 si no hay covariación entre las variables.

- Un valor positivo si hay covariación directa. Será más grande cuanto mayor sea la
intensidad de la covariación directa.
- Un valor negativo si hay covariación inversa. Será más pequeño cuanto mayor sea la
intensidad de la covariación inversa.

b) El índice de Covarianza no tiene máximo ni tampoco mínimo.

c) El índice de Covarianza mide la covariación en la escala original de las variables y es

sensible a la variabilidad, por tanto NO debe ser utilizada para hacer comparaciones
cuando las escalas de las variables comparadas, o la variación, son diferentes.