Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
INDICE
Conclusión general……………………………………………………………..……20
Bibliografía………………………..…………………………………………………..21
Anexos…………………………………………………………………………...……22
2
SELECCIÓN DEL TEST
3
Se dice que la relación es perfecta
negativa cuando exactamente en la medida que aumenta una variable
disminuye la otra. Igual que en el caso anterior esto sucede para relaciones
funcionales exactas, propio de las ciencias físicas. Por ejemplo, la relación entre
presión y volumen se ajusta a este caso. El gráfico que muestra la relación sería
del tipo:
4
Se observa que para un mismo valor en inteligencia existen diferentes posibles
valores en rendimiento. Se trata de una correlación positiva pero no perfecta.
5
Se observa que las personas con poco peso obtienen en inteligencia tanto
puntuaciones bajas como medias o altas. Lo mismo sucede con personas de
peso alto. No puede establecerse, pues, ningún tipo de relación. Ambas
variables son independientes entre sí; la variación de una de ellas no influye para
nada en la variación de la otra.
Fórmula utilizada
El coeficiente de correlación de Pearson viene definido por la siguiente
expresión:
6
Ya que tal expresión equivale a la varianza de Zx, que como se sabe vale la
unidad.
Cuando la correlación es perfecta negativa los valores de Zx y Zy son
exactamente iguales pero de signo contrario, resultando los productos cruzados
de Zx y Zy negativos. En este caso, el valor de la correlación es el mismo que
anteriormente pero de signo negativo:
7
EJEMPLO:
X: 105 116 103 124 137 126 112 129 118 105
Y: 4 8 2 7 9 9 3 10 7 6
SOLUCION:
Antes de calcular el coeficiente de correlación de Pearson hemos de comprobar
si existe una tendencia lineal en la relación. Aunque más adelante ofreceremos
procedimientos analíticos que permitan verificar con exactitud la Hipótesis de
linealidad, por el momento, recurriremos a procedimientos gráficos, que en una
primera instancia, pueden resultar suficientes:
8
a) Puntuaciones directas.
Configuremos la siguiente tabla:
De donde:
9
b) Puntuaciones diferenciales o centradas
Hagamos las siguientes transformaciones:
x=X-X
y=Y–Y
Aplicamos:
c) Puntuaciones estandarizadas
Hagamos las oportunas transformaciones:
10
Configuremos la tabla:
Aplicamos la fórmula:
11
Desde el supuesto de la Hipótesis nula se demuestra que la distribución muestral
de correlaciones procedentes de una población caracterizada por una
correlación igual a cero ( 0 ρ = ) sigue una ley de Student con N-2 grados de
libertad, de media el valor poblacional y desviación tipo:
Ejemplo:
Determinar la significación del coeficiente de correlación del ejemplo anterior:
Solución:
Aplicamos la fórmula:
12
Buscamos en la tabla de t de Student para α = .0 05 y 10-2 = 8 grados de libertad,
tal como se observa a continuación donde se muestra un fragmento de dicha
tabla:
13
Correlación de spearman
Los valores de la correlación de Pearson van desde -1 hasta 1, siendo los valores
extremos los que indican mayor correlación entre variables, y siendo el 0 el punto
que indica la no existencia de correlación. El signo positivo o negativo del
coeficiente indica si la relación es directa (positivo) o inversa (negativo). La
correlación no implica causalidad o dependencia.
Para la interpretación de los resultados, tanto para Pearson y Spearman hay que
considerar lo siguiente:
14
Valor p de significación de rs
Es necesario tener en consideración la significancia del valor de rs, dada por el
valor de p que lo acompaña. Cuando el valor de p es menor que 0.05, se puede
concluir que la correlación es significativa, lo que indica una relación real, no
debida al azar.
Ejemplo Ilustrativo
Este ejemplo se basa en los datos obtenidos de un estudio cuasi-experimental,
prospectivo, comparativo pre-post, sin grupo control, sobre la condición física y
la capacidad funcional de pacientes adultos críticamente enfermos de una
clínica, a quienes se les aplicó un protocolo de intervención fisioterapéutico. Uno
de los objetivos específicos se orientó en analizar si existían correlaciones entre
las variables tomando datos pre y post intervención.
Datos
Con el fin de hacer más didáctica la demostración, se tomarán dos de las
variables para realizar la correlación: MIF inicial (x) y Días en ventilación
mecánica (y)
Tabla Nº 1 MIF inicial (x) y Días en ventilación mecánica (y)
15
Supuestos
Se supone que la muestra disponible para el análisis que X y Y son medidas en,
por lo menos, una escala ordinal.
Hipótesis
HO: Los días en ventilación mecánica y la MIF pre intervención son mutuamente
independientes.
Sea α=0.05.
16
Tabla Nº 2. Clasificación jerarquizadas de valores deMIF inicial (x) y Días
en ventilación mecánica (y), di y
17
Cálculo de la estadística de prueba
Decisión estadística
Dado que el valor calculado de rs = es menor que el valor crítico para Rho de
Spearman, en un nivel de significancia 0,05, se rechaza la hipótesis nula.
Conclusión
18
CONCLUSIÓN GENERAL
Una correlación en si es una relación mutua que mide e indica el grado en el que
los valores de una variable se relacionan con los valores de otra. Se conocen
dos tipos de coeficiente de correlación las cuales son la de Pearson y spearman.
19
Bibliografía
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema
_1_coeficiente.pdf?fbclid=IwAR1cicbkGNaw7ZV31ie8Jy5Bpa
z9D0NnphMgYYm-GZmEugz8fCwFiHVuTfs
http://files.uladech.edu.pe/docente/32765808/BIOESTADISTI
CA/SESION%2012/S12V1BIOE.pdf
https://es.slideshare.net/GEONARKIS/coeficiente-de-
correlacion-50283811
20
ANEXOS
Anexo nº 1
21
Anexo nº 2
22