Actividad de aprendizaje 2

Correlación de Pearson

Como recordaras el coeficiente de correlación de Pearson se calcula a partir de

las puntuaciones obtenidas de una muestra de dos variables, éstas pueden ser
dos variables cuantitativas cualesquiera, como puede ser relacionar la habilidad
numérica con el CI, el lenguaje de simbolismos con el aprendizaje de un idioma, y
la flexibilidad muscular con el ballet.

Esta prueba se clasifica como una prueba estadística paramétrica con un nivel de
medición intervalar y los datos son el resultado generalmente de aplicaciones de
escalas. Entre sus objetivos puede estar el relacionar dos o más variables,
discriminar entre reactivos, comparar dos grupos, o comparar dos mediciones.

Una muestra de este tipo de estudios se muestra en la siguiente tabla (la siguiente
tabla se refiere el ejemplo tomado de Hopkins) que da coeficientes de correlación
entre inteligencia (medida por CI de una prueba de inteligencia individualmente
aplicada) y grados variantes de similitud genética y ambiental. Los datos sobre
aprovechamiento académico, estatura y peso también se muestran en esta tabla.

Actividad 1 Correlación de Pearson

Te recomendamos ver el siguiente video correlación lineal en un lugar tranquilo y

que cuente con el tiempo suficiente para verlo las veces que te sea necesario,
para que puedas seguir el procedimiento que se muestra paso a paso.

Ahora vamos a pasar a la explicación escrita.

Ejemplo tomado de Hopkins et alt. [5]

 Geme Gemel Herma Niños
los os nos sin
idénti biviteli criado parent
cos nos s esco
criad criado criado
os s s
Junto Apa Juntos Juntos Apa Juntos Apa
s rte rte rte
Inteligencia .91 .67 .64 .50 .40 .23 .00
Aprovecha .96 .51 .88 .81 .53 .52 .00
miento
Estatura .96 .94 .47 .50 .54 .00 .00
Peso .93 .88 .59 .57 .43 .24 .00

Datos del Erlenmeyer – Kimling y Jarvik (1963). Véase también Hopkins y Stanley
(1981 p 366)

De acuerdo a los datos de la tabla, el entorno del hogar se asocia más

fuertemente con el logro escolar que con las medidas de las medidas de aptitud
escolar. La correlación calculada entre el aprovechamiento escolar de niños sin
parentesco criados juntos es de r = .52, pero la correlación entre sus valores CI es
sólo r = .23. Más aún, los hermanos criados juntos son mucho más similares en
conocimientos escolares, r = .81; de lo que son en CI, r = .50. Observe también
que aunque la estatura está menos relacionada con el ambiente que el peso, un
fuerte factor hereditario es evidente en el peso de gemelos idénticos criados
aparte, r = .88.

El cuadro de interpretación es el siguiente:

Valor Interpretación
calculado
-1 Correlación negativa perfecta
- 0.95 Correlación negativa fuerte
 -0,50 Correlación negativa moderada
-0.10 Correlación negativa débil
0 No existe correlación entre las variables
0.10 Correlación positiva débil
0.50 Correlación positiva moderada
0.95 Correlación positiva fuerte
1 Correlación positiva perfecta

El signo indica la dirección de la correlación (positiva o negativa) y el valor

numérico la magnitud de la correlación.

Desarrollo

La fórmula para calcular el índice de correlación es [6]:

Dónde:

r = El coeficiente de correlación de Pearson

N = El número total de pares de puntajes X y Y
X = Puntaje crudo en la variable X
Y = Puntaje crudo en la variable Y

Ejemplo:

(Basado en Levin, Jack. 205 – 206)

El ejemplo presenta un análisis para conocer la relación que existe entre el

número de años de estudio que completó el padre (X) y el número de años de
estudio que completó su hijo (Y).

El cálculo se presenta a través de las siguientes tablas:

Sujetos Padres X Niños Y

1 12 12
2 10 8
 3 6 6
4 16 11
5 8 10
6 9 8
7 12 11

Sujetos X Y X² Y² XY
1 12 12 144 144 144
2 10 8 100 64 80
3 6 6 36 36 36
4 16 11 256 121 176
5 8 10 64 100 80
6 9 8 81 64 72
7 12 11 144 121 132
total 73 66 825 650 720

Procedimiento
Paso 1
Sumar los puntajes crudos de cada grupo (por separado)

Paso 2
Elevar al cuadrado los puntajes crudos de cada grupo

Paso 3
Sumar la columna de los puntajes crudos elevados al cuadrado

Paso 4
Determinar el producto de X y Y
Paso 5
Se aplica la fórmula

Como puedes darte cuenta el procedimiento es el mismo del video correlación

líneal.

Requisitos para el uso del coeficiente de correlación Pearson [7]

Con el fin de emplear correctamente el coeficiente de correlación de Pearson,

como medida de asociación entre las variables X y Y, se deben tomar en cuenta
los siguientes requisitos:

• Una relación en línea recta: la r de Pearson es útil solamente para detectar una
correlación lineal en línea recta entre dos variables.

• Los datos de intervalo: ambas variables, X y Y, deben medirse al nivel por

intervalos de manera que se puedan asignar puntajes a los sujetos

• El muestreo aleatorio: los miembros de la muestra deben haberse extraído

aleatoriamente de una población específica.

• Las características normalmente distribuidas: la prueba de correlación de

Pearson requiere que tanto la variable X como la Y estén normalmente distribuidas
en la población. En muestras pequeñas, el no llenar el requisito de características
normalmente distribuidas puede menoscabar seriamente la validez de la r de
Pearson. No obstante, este requisito es secundario cuando la magnitud de la
muestra es igual o mayor que 30 casos.

Para sáber más consulta el siguiente documento Técnicas para el estudio de la

relación entre variables

Prueba de significancia.
La prueba de significancia es una comprobación de que los resultados obtenidos
no contienen error por muestreo inadecuado, para ello se usa la prueba “t” de
Student.

La hipótesis a probar es:

•Ho. No existe relación estadísticamente significativa entre las variables

•Hi. Si existe relación estadísticamente significativa entre las variables

Para comprobar la hipótesis nula, se selecciona un nivel de confianza de 0.05 ó

0.01. y con grados de liberta de N = 2 (N es igual al número d pares de puntaje, es
decir, las dos variables estudiadas. La razón t se puede calcular por la fórmula:

Dónde

t = la razón t para comprobar la significancia estadística de la r de Pearson

N = el número de sujetos que participaron en los grupos
r = el coeficiente de correlación obtenido

Sustituyendo con los datos del ejemplo tenemos:

t = 1.69 / √ 0.431

t = 1.69 / 0.656

t = 2.58

Ahora se toma la tabla C y se busca la razón t significativa igual o mayor que 2.57,
al nivel de confianza de 0.05 con cinco grados de libertad. Debido a que la t
calculada es de 2.58, entonces es mayor que el valor de la tabla calculado. Con
este dato rechazamos la hipótesis nula y decimos que los niveles educativos del
entrevistado y de su padre están correlacionados.

Lee el siguiente estudio y realiza el ejercicio.

Un estudio señala como objetivo concientizar a las Instituciones Educativas sobre

la importancia que tiene la dimensión afectiva en el rendimiento académico de los
estudiantes, a partir de la socialización de los siguientes resultados obtenidos.
Obtener la r de Pearson de las siguientes puntuaciones:

Sujetos X Y X² Y² XY

1 5 4,15385

2 10 4,07692
 3 9 3,84615

4 6 4,07692

5 5 3,69231

6 4 4,07692

7 4 4,07692

8 7 3,53846

9 6 3,92308

10 9 3,30769

11 7 3,61538

12 5 4,07692

13 1 4,23077

14 5 3,69231

15 5 3,53846

16 6 3,61538

17 4 3,46154

18 8 4,30769

19 10 3,38462

20 5 3,46154

21 7 3,46154

22 7 3,69231

23 4 3,92308

24 8 3,46154

25 4 4,61538

26 1 3

27 2 3,76923

28 7 3,38462

29 9 4,15385

30 6 4,07692

31 6 4

Sumatoria 182 117,692

Promedio 5,871 3,79653

Sujetos X Y X² Y² XY
1 5.0000 4.1539 25.0000 17.2545 20.76925
2 10.0000 4.0769 100.0000 16.6213 40.7692
3 9.0000 3.8462 81.0000 14.7929 34.61535
4 6.0000 4.0769 36.0000 16.6213 24.46152
5 5.0000 3.6923 25.0000 13.6332 18.46155
6 4.0000 4.0769 16.0000 16.6213 16.30768
7 4.0000 4.0769 16.0000 16.6213 16.30768
8 7.0000 3.5385 49.0000 12.5207 24.76922
9 6.0000 3.9231 36.0000 15.3906 23.53848
10 9.0000 3.3077 81.0000 10.9408 29.76921
11 7.0000 3.6154 49.0000 13.0710 25.30766
12 5.0000 4.0769 25.0000 16.6213 20.3846
13 1.0000 4.2308 1.0000 17.8994 4.23077
14 5.0000 3.6923 25.0000 13.6332 18.46155
15 5.0000 3.5385 25.0000 12.5207 17.6923
16 6.0000 3.6154 36.0000 13.0710 21.69228
17 4.0000 3.4615 16.0000 11.9823 13.84616
18 8.0000 4.3077 64.0000 18.5562 34.46152
19 10.0000 3.3846 100.0000 11.4557 33.8462
20 5.0000 3.4615 25.0000 11.9823 17.3077
21 7.0000 3.4615 49.0000 11.9823 24.23078
22 7.0000 3.6923 49.0000 13.6332 25.84617
23 4.0000 3.9231 16.0000 15.3906 15.69232
24 8.0000 3.4615 64.0000 11.9823 27.69232
25 4.0000 4.6154 16.0000 21.3017 18.46152
26 1.0000 3.0000 1.0000 9.0000 3
27 2.0000 3.7692 4.0000 14.2071 7.53846
28 7.0000 3.3846 49.0000 11.4557 23.69234
29 9.0000 4.1539 81.0000 17.2545 37.38465
30 6.0000 4.0769 36.0000 16.6213 24.46152
31 6.0000 4.0000 36.0000 16.0000 24

Sumatoria 182.0000 117.6923 1,232.0000 450.6390 689.0000

Promedio 5.8710 3.7965      
r =n ¿ ¿

31 ( 689 ) −(182)(117.6923)
r= 2 2
√ [ 31 ( 1232 )−( 182 ) ][ 31 ( 450.6390 ) −( 117.6923) ]
23426−21419.9986
r=
√ [ 38192−33124 ][ 13969.809−13851.4774 ]
2006.0014
r=
√ [ 5068 ][ 118.3316 ]
r =−0.079

Interpretando nuestro coeficiente, tenemos que nuestra correlación es

buena, ya que nuestro valor se encuentra -0.8 < r > -0.5. Es por esto que n

Te salió, pues ahora sube a la plataforma tu archivo para que la revise tu asesor.
Pulsando el botón Examinar, selecciona el archivo y, finalmente, pulsa el botón
Subir archivo.