COEFICIENTE DE CORRELACIÓN

La regresión lineal y correlación es una de las técnicas más usadas en la

estadística inferencial que permite cuantificar una relación entre distintas
variables numéricas como comúnmente suelen ser llamadas ( y ) como a
variable dependiente y (x) variable independiente, dentro de este capítulo se
encuentra el coeficiente de correlación que será explicado en el siguiente
ensayo.

El coeficiente de correlación, creado por Karl Pearson alrededor de

1900, describe la fuerza de la relación entre dos conjuntos de variables en
escala de intervalo o de razón, se calcula dividiendo la suma de los productos
de las desviaciones de cada variante de X e Y, con respecto a sus medias
(suma que se denomina covarianza de X e Y), por el producto de las
desviaciones estándar de ambas variables.

El Coeficiente de Correlación de Pearson es una medida de la relación

lineal entre dos variables aleatorias cuantitativas. A diferencia de la covarianza,
la correlación de Pearson es independiente de la escala de medida de las
variables. De manera menos formal, podemos definir el coeficiente de
correlación de Pearson como un índice que puede utilizarse para medir el
grado de relación de dos variables siempre y cuando ambas sean cuantitativas.
En el caso de que se esté estudiando dos variables aleatorias x e y sobre una
población; el coeficiente de correlación de Pearson se simboliza con la letra r,
siendo la expresión que nos permite calcularlo.

Las ventajas son que el valor del coeficiente de correlación es

independiente de cualquier unidad usada para medir variables. Además,
mientras más grande sea la muestra más exacta será la estimación, y como
desventajas se identifica que requiere supuestos acerca de la naturaleza o
formas de las poblaciones afectadas. Pretende que las dos variables hayan
sido medidas hasta un nivel cuantitativo continuo y que la distribución de
ambas sea semejante a la de la curva normal.

Coeficiente Interpretación
 r=1 Correlación Perfecta

0,80 <r<1 Muy alta

0,60<r<0,80 Alta

0,40<r<0,60 Moderada

0,20<r<0,40 Baja

0<r<0,20 Muy baja

r= 0 Nula

r = -1 Correlación negativa perfecta

La interpretación general del coeficiente de correlación de Pearson; se maneja
de manera genérica de acuerdo con los siguientes criterios:

 Si r = 1, existe una correlación positiva perfecta. El índice indica una

dependencia total entre las dos variables denominada relación directa:
cuando una de ellas aumenta, la otra también lo hace en proporción
constante.

 Si 0 < r < 1, existe una correlación positiva.

 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que

las variables son independientes: pueden existir todavía relaciones no
lineales entre las dos variables.

 Si -1 < r < 0, existe una correlación negativa.

 Si r = -1, existe una correlación negativa perfecta. El índice indica una

dependencia total entre las dos variables llamada relación
inversa[CITATION Dou12 \l 12298 ]

En definitiva, este tipo de medida nos permite identificar el tipo de relación que
existe entre dos variables siempre y cuando estas sean cuantitativas para con
ello obtener la posibilidad de calcular una distribución muestral y poder también
calcular su error típico de estimación.

Bibliografía
Lind, D., Marchal, W., & Wathen, S. (2012). Estadistica aplicada a los negocios
y la economia (Decimoquinta ed.). Bogota : ALFAOMEGA
COLOMBIANA, S.A. Obtenido de
http://www.academia.edu/16035082/Estadistica_aplicada_a_los_negocio
s_y_la_economia_15_edicion