UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

FACULTAD DE INGENIERIA GEOGRÁFICA, AMBIENTAL Y

ECOTURISMO
ESCUELA DE INGENIERÍA AMBIENTAL

COEFICIENTE DE CORRELACION KENDALL Y SPEARMAN

Presentado por:
Ñacayauri Adauto, Cristhian
Ñavincopa Lifoncio, Cindy

Curso:
Seminario de Tesis

Sección:
TB

Docente:
Dr. Walter J. Gómez Lora

2019
INTRODUCCION
El término estadística no paramétrica hace referencia a los métodos estadísticos que no requieren
la especificación de un supuesto sobre la distribución de la que proceden los datos de la muestra
para efectuar inferencias sobre la población (Cáceres Hernández, 2006). Es decir, que no exigen
la suposición de la normalidad de la población de la cual fue extraída la muestra.
Estos métodos poseen algunas ventajas sobre los paramétricos, por cuanto permiten el análisis de
datos que no están basados en una escala de medición muy sólida, por tanto, los supuestos
requeridos y la escala de medición de los datos es menos exigente, aceptando datos nominales,
ordinales, y datos de intervalo o de razón. También se utilizan cuando se desconoce la distribución
de la población de la cual se obtiene la muestra. Su mayor desventaja implica el
desaprovechamiento de información cuando ésta podría manejarse con un procedimiento
paramétrico (Anderson, Sweeney, & Williams, 1999).
Dentro de los métodos no paramétricos se encuentra el análisis de Correlación de Spearman, el
cual pretende examinar la dirección y magnitud de la asociación entre dos variables cuantitativas,
es decir la intensidad de la relación entre las variables, en cualquier tipo de asociación, no
necesariamente lineal. Asimismo, permite identificar si, al aumentar el valor de una variable,
aumenta o disminuye el valor de la otra variable, y ofrece un coeficiente de correlación, que
cuantifica el grado de asociación entre dos variables numéricas (Martínez-González & Fauliń
Fajardo, 2006).
Marco Teórico
Correlación.
Regresión: La regresión es una técnica utilizada para inferir datos a partir de otros y hallar una
respuesta de lo que puede suceder Se pueden encontrar varios tipos de regresión, por ejemplo:
 Regresión lineal simple.
 Regresión múltiple (varias variables).
 Regresión logística.
Correlación: Expresa grado de asociación entre dos variables, según el sentido de la relación de
estas en términos de aumento o disminución. Se clasifican en:
Negativa o inversa cuando al crecer una variable, la otra decrece y viceversa.
Positiva o directa cuando al aumentar una variable aumenta la otra y viceversa.
Lineal o curvilínea, según la nube de puntos se condense en torno a una línea recta o a una curva.
Nula cuando no existe ninguna relación y la nube de puntos están distribuidas al azar. Se dice que
no están correlacionadas.

Fuente: Movimiento científico iberoamericana

Funcional si existe una función tal que todos los valores de la nube de puntos la satisfacen.
COEFICIENTE DE CORRELACION
Estadístico que cuantifica la correlación. Sus valores están comprendidos entre -1 y 1
COEFICIENTE DE DETERMINACION
Es el cuadrado del coeficiente de correlación.
RHO DE SPEARMAN
Nombre utilizado para designar la correlación de Spearman.
¿Cuándo utilizar la prueba de correlación de rangos de Spearman?
El coeficiente de correlación no debe utilizarse para comparar dos métodos que intentan medir el
mismo evento, como por ejemplo dos instrumentos que miden la saturación de oxígeno en sangre.
El coeficiente de correlación mide el grado de asociación entre dos cantidades, pero no mira el
nivel de acuerdo o concordancia. Si los instrumentos de medida miden sistemáticamente
cantidades diferentes uno del otro, la correlación puede ser 1 y su concordancia ser nula. El
coeficiente de correlación de Spearman es recomendable utilizarlo cuando los datos presentan
valores extremos, ya que dichos valores afectan mucho el coeficiente de correlación de Pearson,
o ante distribuciones no normales. No está afectada por los cambios en las unidades de medida.
Coeficiente de correlación de Spearman
En estadística, el coeficiente de correlación de Spearman, 𝑟𝑠 es una medida de la correlación (la
asociación o interdependencia) entre dos variables aleatorias (tanto continuas como discretas).
Para calcular, los datos son ordenados y reemplazados por su respectivo orden.
El estadístico ρ viene dado por la expresión:

6 ∑ D2
𝑟𝑠 = 1 − N(N2 −1)

donde D es la diferencia entre los correspondientes estadísticos de orden de x - y.

N es el número de parejas de datos.
Se tiene que considerar la existencia de datos idénticos a la hora de ordenarlos, aunque si éstos
son pocos, se puede ignorar tal circunstancia
Para muestras mayores de 20 observaciones, podemos utilizar la siguiente aproximación a
la distribución t de Student

𝑟𝑠
t=
√(1−r2 )⁄(n−2)

La interpretación de coeficiente de Spearman es igual que la del coeficiente de correlación de

Pearson. Oscila entre -1 y +1, indicándonos asociaciones negativas o positivas respectivamente,
0 cero, significa no correlación, pero no independencia. La tau de Kendall es un coeficiente de
correlación por rangos, inversiones entre dos ordenaciones de una distribución normal bivariante.
La interpretación de los valores se ha expresado por diversos autores en escalas, siendo una de las
más utilizadas la que se presenta a continuación (Hernández Sampieri & Fernández Collado,
1998)

RANGO RELACION

-0.91 a -1.00 Correlación negativa perfecta

-0.76 a -0.90 Correlación negativa muy fuerte
-0.51 a -0.75 Correlación negativa considerable
-0.11 a -0.50 Correlación negativa media
 -0.01 a -0.10 Correlación negativa débil
0.00 No existe correlación
+0.01 a +0.10 Correlación positiva débil
+0.11 a +0.50 Correlación positiva media
+0.51 a +0.75 Correlación positiva media
+0.76 a +0.90 Correlación positiva muy fuerte
+0.91 a +1.00 Correlación positiva perfecta

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.
APLICACIÓN
Se toman 11 muestras para los años del 2003 al 2013 y se anotan la cantidad de casos por IRA y
el Material particulado emitido, con los resultados que se anotan en la siguiente tabla:

Trabajador MP Casos IRA

2003 81 78
2004 83 83
2005 90 92
2006 98 92
2007 78 74
2008 74 80
2009 85 84
2010 90 79
2011 95 93
2012 91 94
2013 92 95

Calcule el coeficiente de correlación por rangos de Spearman y prueba con un nivel de

significación del 5% si es estadísticamente significativo.

Desarrollo
1° Ordenamos de menor a mayor cada grupo de datos:
 MP CASOS MP

74 74
78 78
81 79
83 80
85 83
90 84
90 92
91 92
92 93
95 94
98 95

2° Ubicamos los rangos de cada dato en su respectivo grupo:

MP Rangos A CASOS IRA Rangos B

74 1ero 74 1ero
78 2do 78 2do
81 3 79 3
83 4 80 4
85 5 83 5
90 6 84 6
90 7 92 7
91 8 92 8
92 9 93 9
95 10 94 10
98 11 95 11

3° Notamos calificaciones iguales:

PROMEDIO PROMEDIO
6.5 7.5
6.5 7.5

4° Ubicamos los rangos de cada calificación y realizamos la diferencia:

AÑOS MP CASOS IRA Rango A Rango B d d2

1 81 78 3 2 1 1
 2 83 83 4 5 -1 1
3 90 92 6.5 7.5 -1 1
4 98 92 11 7.5 3.5 12.25
5 78 74 2 1 1 1
6 74 80 1 4 -3 9
7 85 84 5 6 -1 1
8 90 79 6.5 3 3.5 12.25
9 95 93 10 9 1 1
10 91 94 8 10 -2 4
11 92 95 9 11 -2 4
47.5

5°Remplazamos la suma de las diferencias de rangos, elevados al cuadrado, en:

6 ∑ D2
𝑟𝑠 = 1 −
N(N 2 − 1)

6(47.5)
𝑟𝑠 = 1 − = 0.7841
11(112 − 1)

Por lo tanto: La correlación entre el material particulado y los casos de infección respiratoria
aguda es fuerte y positiva.

PRUEBA DE CORRELACIÓN ENTRE LAS POBLACIONES

Ho: No existe correlación entre el material particulado y los casos de infección respiratoria aguda.
H1: Si existe correlación entre el material particulado y los casos de infección respiratoria aguda.
Cuando la muestra tiene cuando menos 10 observaciones se puede utilizar la t de la distribución
de t Student como estadístico teórico de prueba.
𝑟𝑠
𝑡=
2
√1 − 𝑟
𝑛−2

0.7841
𝑡= 2
= 3.790
√1−0.7841
11−2

Como el valor crítico del estadístico de prueba es de 𝑡 = ±2.262 con 9 grados de libertad.
Por lo tanto: Si existe correlación entre el material particulado y los casos de infección respiratoria
aguda.
BIBLIOGRAFIA

 Alfonzo, C. (2016). Coeficientes de correlación de Pearson y Spearman. (Barcelona):

Slideshare. Recuperado el 20 de noviembre del 2019 de
https://es.slideshare.net/solracoznofla/indices-de-correlacion-de-pearson-y-spearman
 Beltrán, P. (2015). Coeficientes de correlación de Pearson y Spearman. (Barcelona):
Slideshare. Recuperado el 20 de noviembre del 2019 de
https://es.slideshare.net/PatriciaCastillo31/coeficiente-de-correlacion-de-pearson-y-
spearman
 Hernández, J. (2018). Coeficiente de correlación de Spearman. (Perú): Slideshare.
Recuperado el 20 de noviembre del 2019 de
https://www.slideshare.net/PROBIENJL3/coeficiente-de-correlacion-spearman-ok
 Mondragón, A. (2014). USO DE LA CORRELACIÓN DE SPEARMAN EN UN ESTUDIO DE
INTERVENCIÓN EN FISIOTERAPIA. (México): Movimiento científico. Recuperado el 20 de
noviembre del 2019 de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1729-
519X2009000200017