Spearman Trabajo

UNIVERSIDAD NACIONAL ESCUELA PROFESIONAL
“SANTIAGO ANTUNEZ DE MAYOLO” INGENIERÍA INDUSTRIAL
2018
PRUEBA DE SPEARMAN
1
UNIVERSIDAD NACIONAL “SANTIAGO ANTUNEZ DE

MAYOLO”
FACULTAD DE INGENIERÍA DE INDUSTRIAS
ALIMENTARIAS
ESCUELA PROFESIONAL DE INGENIERÍA

INDUSTRIAL
CURSO: CONTROL ESTADISTICO DE PROCESOS
DOCENTE: TERRONES GALVEZ EDWARD IVAN
TEMA: PRUEBA DE SPEARMAN
CICLO A.: 2017-II
ALUMNOS:
HUANSHA YUNCA RONALD OSCAR

GARCIA LEON SHAROON
2
Contenido
INTRODUCCIÓN .............................................................................................................................. 4
PRUEBA DE SPEARMAN ............................................................................................................. 5
PASOS PARA LLEVAR ACABO LA PRUEBA DEL COEFICIENTE DE CORRELACIÓN DE SPEARMAN ..... 6
1. Formulación de hipótesis: ............................................................................................... 6
2. Nivel de significancia: α ................................................................................................... 6
3. Estadística de prueba: ...................................................................................................... 6
4. Establecimiento de los criterios de decisión: ............................................................ 6
5. Cálculos: ............................................................................................................................... 8
Decisión: ....................................................................................................................................... 8
Ejemplo 1. ......................................................................................................................................... 8
Ejemplo 2. ....................................................................................................................................... 12
Ejemplo 3 .................................................................................................................................... 14
Ejemplo 4. ....................................................................................................................................... 16
Conclusiones................................................................................................................................. 19
Recomendaciones ....................................................................................................................... 19
3
INTRODUCCIÓN
El coeficiente de correlación de Spearman es una prueba no paramétrica cuando
se desea quiere medir la relación entre dos variables y no se cumple el supuesto de
normalidad en la distribución de tales valores. El coeficiente de correlación de
Spearman de designa por rS.
4
PRUEBA DE SPEARMAN
También conocida como correlación por rangos, algunos de la denominada prueba
del coeficiente de correlación de las categorías, establecida y empleada por
Pearson y Spearman desde 1936; esta medida nos determina la existencia del
grado de asociación entre dos variables, utilizando para ello una escala ordinal, de
tal manera que se puedan colocar en dos series ordenadas.
Cuando se tienen observaciones formadas por una pareja de valores a partir de dos
variables, surge la pregunta o necesidad de conocer acerca de si las variables
estarán o no relacionadas y qué tan fuerte es esa relación. Para saber esto,
generalmente se piensa en obtener un coeficiente de correlación que nos indique el
grado de relación lineal entre las variables, pero debe tenerse cuidado de no
interpretarlo como una medida de la relación causal entre las variables y también
tomar en cuenta que si la relación no es lineal, la correlación no detecta la relación
existente entre las variables.
En la estadística paramétrica se puede calcular el coeficiente de correlación de

Pearson, que se puede aplicar a variables que se miden en escala de intervalo o
mayor, pero bajo el supuesto de que los datos se distribuyen en base a una
distribución normal bi-variada, cuando esto no se cumple o cuando la escala de
medida solamente es ordinal, es preferible usar una medida de asociación de las
que se tienen en la estadística no paramétrica.
Un coeficiente de correlación que se basa en rangos y que es muy utilizado, es el

de Spearman rs, éste resultado es muy fácil de calcular porque su cálculo es
semejante al de correlación que generalmente se usa. Spearman desarrolló un
trabajo en 1940 donde presentó este coeficiente que, en lugar de utilizar los valores
de las variables, utilizaba los rangos asociados a ellas, mediante éste se tiene una
medida de asociación y además permite probar hipótesis; el único supuesto que
tiene es que la escala de medida de la variable es al menos ordinal.
Con frecuencia, en el análisis de correlación, la información no está disponible en

forma de valores numéricos. Esta es una medida de la correlación que existe entre
los dos conjuntos de rangos, una medida del grado de asociación entre las variables
que no podríamos calcular de otra manera, otra de las razones para aprender el
método de rangos de Spearman es la posibilidad de simplificar el proceso de cálculo
de un coeficiente de correlación a partir de un conjunto de datos muy grande para
cada una de las dos variables.
5
PASOS PARA LLEVAR ACABO LA PRUEBA DEL COEFICIENTE DE CORRELACIÓN DE

SPEARMAN:
1. Formulación de hipótesis:
a) Prueba unilateral derecha Ho: X e Y son mutuamente independientes. H1: Existe
una tendencia a formar parejas entre los valores grandes de X e Y.
b) Prueba unilateral izquierda Ho: X e Y son mutuamente independientes. H1: Existe
una tendencia de los valores grandes de X a formar parejas con los valores
pequeños de Y.
c) Prueba bilateral Ho: X e Y son mutuamente independientes. H1: X e Y no son
mutuamente independientes
Las hipótesis unilaterales indicadas en los incisos b) y c) se utilizan,
respectivamente, cuando el investigador desea saber si es posible concluir que las
variables están directa o inversamente relacionadas. Las hipótesis especificadas en
el inciso a) conducen a una prueba bilateral, y se utilizan cuando se desea descubrir
cualquier desviación de la independencia.
2. Nivel de significancia: α
3. Estadística de prueba:
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
4. Establecimiento de los criterios de decisión:

Si n está entre 4 y 30, se compara el valor calculado de rs, con los valores críticos,
de la tabla P.
 Para la prueba bilateral, se rechaza Ho en el nivel de significación α si r s, es
mayor que menor rst que está en la intersección de la columna encabezada
por 2α y el renglón que corresponde a n. (sin considerar el signo)
 Para la prueba unilateral derecha que especifica una correlación directa, se

rechaza Ho en el nivel de significación α si rs es mayor que rst para α y n.
 La hipótesis nula Ho, se rechaza en la prueba unilateral izquierda en el nivel

de significación α si rs es mayor que rst para α y n. (no se considera signo)
Opcionalmente también puede trabajar con la tabla Q para una prueba bilateral.
6
Si n > 30, se puede calcular:
z = rs √n − 1
y utilizar la tabla I y II para obtener los valores críticos.
7
5. Cálculos:
Se calcula el valor de:
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
O:
z = rs √n − 1
Pasos para hallar rs:
a) Clasificar por jerarquía los valores de X desde 1 hasta n (el número de parejas
de valores de X e Y en la muestra). Clasificar por jerarquía los valores de Y desde
1 hasta n.
b) Calcular di, para cada pareja de observaciones, restando la jerarquía de Yi de la
jerarquía de Xi.
c) Elevar al cuadrado cada di y calcular ∑ 𝑑𝑖 , la suma de los valores elevados al
cuadrado.
Finalmente calcular:
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Decisión:
Se acepta o rechaza Ho.
Ejemplo 1.
En un estudio de la relación entre la edad y los resultados del electroencefalograma
(EEG), se recopilaron datos en 20 personas con edades entre 20 y 60 años. La
Tabla muestra las edades y un valor de rendimiento del EEG particular para cada
una de esas 20 personas. Los investigadores pretenden saber si es posible concluir
que este rendimiento del EEG particular tiene relación inversa con la edad a un nivel
de significancia α=0.05.
8
Numero de Valor resultante del

Edad (X)
individuo EEG (Y)
1 20 98
2 21 75
3 22 95
4 24 100
5 27 99
6 30 65
7 31 64
8 33 70
9 35 85
10 38 74
11 40 68
12 42 66
13 44 71
14 46 62
15 48 69
16 51 54
17 53 63
18 55 52
19 58 67
20 60 55
Solución
1) Formulación de hipótesis:
Prueba unilateral izquierda
Ho: El rendimiento del EEG y la edad son mutuamente independientes.
H1: Existe una tendencia del rendimiento del EEG a disminuir con la edad.
2) Nivel de significancia: α=0.05
3) Estadística de prueba
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
4) Establecimiento de los criterios de decisión.
9
La hipótesis nula Ho se rechaza en la prueba unilateral izquierda en el nivel de

significación α=0.05 si rs es menor que -rst para α=0.05 y n=20. En la tabla P
observamos que para α=0.05 y n=20, rst = 0.380.
5) Cálculos:
Pasos para calcular el valor de rs.
a) Clasificar por jerarquía los valores de X desde 1 hasta 20. Clasificar por jerarquía
los valores de Y desde 1 hasta 20
b) Calcular di, para cada pareja de observaciones, restando la jerarquía de Yi de la
jerarquía de Xi. Ver Tabla
c)Elevar al cuadrado cada di y calcular ∑ 𝑑𝑖 2, la suma de los valores elevados al
cuadrado.
Valor
Numero de
Edad (X) resultante del ni 𝑛𝑖 2
individuo
EEG (Y)
1 1 18 -17 289
2 2 15 -13 169
3 3 17 -14 196
4 4 20 -16 256
5 5 19 -14 196
6 6 7 -1 1
7 7 6 1 1
8 8 12 -4 16
9 9 16 -7 49
10 10 14 -4 16
11 11 10 1 1
12 12 8 4 16
10
13 13 13 0 0
14 14 4 10 100
15 15 11 4 16
16 16 2 14 196
17 17 5 12 144
18 18 1 17 289
19 19 9 10 100
20 29 3 17 289
∑ 𝑑𝑖 2 = 2340
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6 ∑20
𝑖=1 𝑑𝑖
2
𝑟𝑠 = 1 −
20(202 − 1)
6(2340)
𝑟𝑠 = 1 −
20(202 − 1)
𝑟𝑠 = −0.76
rst = 0.380.
0.76 > 0.380
6) Decisión
como 0.76 > 0.380, se rechaza la hipótesis nula. Lo que
quiere decir las variables se encuentran inversamente
relacionados.
11
Ejemplo 2.
Un psicólogo organizacional esta interesado en conocer la influencia del clima
organizacional sobre el Estrés de los trabajadores de una empresa. Para saberlo,
administro dos escalas, una que mide clima organizacional y otro que mide estrés,
a un grupo de 10 trabajadores. El psicólogo se plantea que ambos variables están
relacionados. Nivel de significancia 5%
Clima
Estrés
Organizacional
61 2
41 15
56 9
42 12
50 11
55 10
62 1
57 7
60 3
59 5
Solución
Prueba bilateral
Ho: No existe relación significativa entre clima organizacional y estrés.
H1: Existe relación significativa entre clima organizacional y estrés.
2) Nivel de significancia: α=0.05…….
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
significación α=0.05.
12
5) Cálculos:
Clima
R1 Estrés R2 R1-R2=di di2
Organizacional
61 9 2 2 7 49
41 1 15 10 -9 81
56 5 9 6 -1 1
42 2 12 9 -7 49
50 3 11 8 -5 25
55 4 10 7 -3 9
62 10 1 1 9 81
57 6 7 5 1 1
60 8 3 3 5 25
59 7 5 4 3 9
∑ 𝑑𝑖 2 = 330
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6 ∑10
𝑖=1 𝑑𝑖
2
𝑟𝑠 = 1 −
10(102 − 1)
6(330)
𝑟𝑠 = 1 −
10(102 − 1)
𝑟𝑠 = −1
rst = 0.564
1 > 0.564
6) Decisión
cómo 1> 0.564, se rechaza la hipótesis nula. Se acepta la
hipótesis alternativa.
13
Ejemplo 3
La siguiente tabla muestra el rango u orden obtenido en la primera evaluación (X) y
el rango o puesto obtenido en la segunda evaluación (Y) de 8 estudiantes
universitarios en la asignatura de Estadística. Calcular el coeficiente de correlación
por rangos de Spearman. Nivel de significancia 5%
Estudiante X Y
Dyana 1 3
Elizabeth 2 4
Mario 3 1
Orlando 4 5
Mathías 5 6
Josué 6 2
Anita 7 8
Lucía 8 7
Prueba bilateral
Ho: No existe relación significativa entre primera evaluación y segunda evaluación.
H1: Existe relación significativa entre primera evaluación y segunda evaluación.
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
5) Cálculos
14
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6 ∑8𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
8(82 − 1)
6(32)
𝑟𝑠 = 1 −
8(82 − 1)
𝑟𝑠 = 0.619
rst = 0. 738
0. 738 > 0.619

6) Decisión
Cómo 𝟎. 𝟕𝟑𝟖 > 𝟎. 𝟔𝟏𝟗 se rechaza la hipótesis nula. Se acepta la hipótesis

alternativa. Por lo tanto, existe una correlación positiva moderada entre la primera y
segunda evaluación de los 8 estudiantes.
15
Para valores repetidos
Ejemplo 4.
La siguiente tabla muestra las calificaciones de 8 estudiantes universitarios en las
asignaturas de Matemática y Estadística. Calcular el coeficiente de correlación por
rangos de Spearman y realizar el diagrama de dispersión.
Nivel de significancia 5%
N° Estudiante Matemática Estadística
1 Dyana 10 8
2 Elizabeth 9 6
3 Mario 8 10
4 Orlando 7 9
5 Mathías 7 8
6 Josué 6 7
7 Anita 6 6
8 Lucía 4 9
Prueba bilateral
Ho: No existe relación significativa entre notas de Matemática y Estadística.
H1: Existe relación significativa entre notas de Matemática y Estadística..
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
16
5) Cálculos
N° Estudiante Matemática Estadística X Y d d2
1 Dyana 10 8 8 4.5 3.5 12.25
2 Elizabeth 9 6 7 1.5 5.5 30.25
3 Mario 8 10 6 8 -2 4
4 Orlando 7 9 4.5 6.5 -2 4
5 Mathías 7 8 4.5 4.5 0 0
6 Josué 6 7 2.5 3 -0.5 0.25
7 Anita 6 6 2.5 1.5 1 1
8 Lucía 4 9 1 6.5 -5.5 30.25
∑ 𝒅𝒊𝟐 = 𝟖𝟐
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
6 ∑8𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
8(82 − 1)
6(82)
𝑟𝑠 = 1 −
8(82 − 1)
𝑟𝑠 = 0.024
rst = 0. 738
0. 738 > 0.024
6) Decisión
17
Cómo 𝟎. 𝟕𝟑𝟖 > 𝟎. 𝟔𝟏𝟗 se rechaza la hipótesis nula. Se acepta la hipótesis

alternativa. Por lo tanto, existe una correlación positiva muy baja.
El diagrama de dispersión hecho en Graph se muestra en la siguiente figura:
18
Conclusiones
 Este método nos da una mayor certeza para ver lo que está pasando o lo
que queremos saber si dos eventos tienen relación o son independientes.
Recomendaciones
 Recomendar a los que tienen sus empres, para que vean con este método
o teoría como están llevando a cabo.
19

Spearman Trabajo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Spearman Trabajo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ESCUELA PROFESIONAL

“SANTIAGO ANTUNEZ DE MAYOLO” INGENIERÍA INDUSTRIAL

UNIVERSIDAD NACIONAL “SANTIAGO ANTUNEZ DE

ESCUELA PROFESIONAL DE INGENIERÍA

TEMA: PRUEBA DE SPEARMAN

CICLO A.: 2017-II

HUANSHA YUNCA RONALD OSCAR

En la estadística paramétrica se puede calcular el coeficiente de correlación de

Un coeficiente de correlación que se basa en rangos y que es muy utilizado, es el

Con frecuencia, en el análisis de correlación, la información no está disponible en

PASOS PARA LLEVAR ACABO LA PRUEBA DEL COEFICIENTE DE CORRELACIÓN DE

4. Establecimiento de los criterios de decisión:

 Para la prueba unilateral derecha que especifica una correlación directa, se

 La hipótesis nula Ho, se rechaza en la prueba unilateral izquierda en el nivel

Si n > 30, se puede calcular:

Numero de Valor resultante del

La hipótesis nula Ho se rechaza en la prueba unilateral izquierda en el nivel de

Se calcula el valor de:

0.76 > 0.380

Se calcula el valor de:

Se calcula el valor de:

0. 738 > 0.619

Cómo 𝟎. 𝟕𝟑𝟖 > 𝟎. 𝟔𝟏𝟗 se rechaza la hipótesis nula. Se acepta la hipótesis

Para valores repetidos

Se calcula el valor de:

0. 738 > 0.024

Cómo 𝟎. 𝟕𝟑𝟖 > 𝟎. 𝟔𝟏𝟗 se rechaza la hipótesis nula. Se acepta la hipótesis

El diagrama de dispersión hecho en Graph se muestra en la siguiente figura:

También podría gustarte