UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

ESCUELA DE ESTUDIOS GENERALES
Área: Ciencias de la Salud

Correlación y
Asociación
➔

➔
➔
➔
➔
➔
➔

➔
 Varianza FÓRMULA

¿QUÉ ES?

.n: número de elementos observados

.x:cada uno de los elementos observados
. x̄: media aritmética de los elementos

EJEMPLO
Es una medida de dispersión que representa la
variabilidad de una serie de datos respecto a su EDADES : 5, 6, 6, 7,8
media. Formalmente se calcula como la suma Media aritmética: 6,4
de los residuos al cuadrado divididos entre el Var(X)= (5-6,4)2 +(6-6,4)2 +(7-6,4)2+(8-6,4)2 / 5
total de observaciones. Var(X)= 1,04
 Desviación estándar
FÓRMULA
¿QUÉ ES?

Es una medida de dispersión, la cual indica qué

tan dispersos están los datos con respecto a la
media. Es siempre mayor o igual que cero. EJEMPLO
Mientras mayor sea la desviación estándar,
mayor será la dispersión de los datos. Varianza= 1,04
σ=√1,04
σ=1,01 años
 Distribución normal de una variable
¿QUÉ ES?
GRÁFICO

La distribución normal es una distribución con

forma de campana donde las desviaciones estándar
sucesivas con respecto a la media establecen
valores de referencia para estimar el porcentaje de
observaciones de los datos. Es decir, la función y
la variable aleatoria continua tendrán
la misma representación pero con ligeras
diferencias.
Variables de medición
Fases del análisis
estadístico
Tipos de tablas
estadísticas
 Asosiación de variables
Se refiere a la relación que existe entre dos o
más variables cuantitativas o cualitativas.

El método más eficaz que existe para ver si

existe una asociación lineal entre variables
cuantitativas continuas, es el llamado Análisis
de Correlación de Pearson; este método nos
indica si dos variables tienen correlación o no.
Este coeficiente puede tomar valores de -1 a +1,
si el coeficiente muestra un 0 entonces significa
que no existe asociación entre las variables; en
otras palabras significa que ambas variables
son independientes entre sí.
Correlación de Es una técnica estadística usada para

variables determinar la relación entre dos o más

variables. La correlación puede ser de
al menos dos variables o de una
variable dependiente y dos o más
variables independientes, denominada
correlación múltiple.Ejemplo:
La relación entre la duración de una
¿QUE ES? carrera de distancia y el test del
escalón, o la relación entre las
características de la personalidad y la
participación en deportes de alto
riesgo.
 Análisis correlacional de
variables cuantitativas
Aplicar prueba de Normalidad

SIMETRICA
Hay el mismo número de elementos a
izquierda y derecha de la media. En
este caso, coinciden la media, la
mediana y la moda.
ASIMETRICA
Asimetría negativa: la cola de la distribución
se alarga para valores inferiores a la media.
Asimetría positiva: la cola de la distribución
se alarga (a la derecha) para valores
superiores a la media

Ourprueba
Escoger Philosophy
Estadística
parametricas
se basan en las leyes de distribución
normal para analizar los elementos
de una muestra. Generalmente, solo
se aplican a variables numéricas y
para su análisis debe mantener una
población grande, ya que permite
que el cálculo sea más exacto.
Ejem:Coeficiente de correlación de
Pearson.
se resume la manera de
selección de las pruebas
estadísticas, tomando en
cuenta el objetivo,
número de grupos y la
escala de medición de las
variables.
no
parametricas
son aquellas que se encargan de analizar
datos que no tienen una distribución
particular y se basan una hipótesis, pero
los datos no están organizados de forma
normal. Aunque tienen algunas
limitaciones, cuentan con resultados
estadísticos ordenados que facilita su
comprensión.
Ejem:Coeficiente de correlación de
Spearman.
 Grado de -1.00 ≤ r ≤ +1.00

correlación Donde:
R: coeficiente de
correlación.

● Cercano a 0: no hay correlación lineal entre las

variables.
● Cercano a +1: existe una buena correlación
positiva entre las variables, según el modelo
lineal. La recta que se determine tendrá
pendiente positiva: será creciente.
● Cercano a -1: buena correlación negativa según
el modelo lineal. La recta determinada tendrá
pendiente
CREDITS: This presentation negativa: es decreciente.
template was created
by Slidesgo, including icons by Flaticon,
infographics & images by Freepik
 continuación...
Podemos distinguir dos principales grados de correlación.

CORRELACIÓN FUERTE: CORRELACIÓN DÉBIL:

Será fuerte cuando más cerca estén Será débil cuando estén más
lo puntos de la recta. separados de la recta.

CREDITS: This presentation template was created

by Slidesgo, including icons by Flaticon,
infographics & images by Freepik
Debemos tener en cuenta también...
A la Correlación lineal:
Datos adicionales:
Hemos mencionado a la
correlación lineal antes,
pero… ¿qué es eso?...
Pues bien, este es uno de los
métodos que nos permite
estudiar la relación lineal
entre 2 variables.
● Para estudiar relación existente alguna, es
necesario tener un parámetros que
permitan cuantificarlo. Uno ejemplo puede
ser la covarianza: indica el grado de
variación conjunta de 2 variables
aleatorias.
● La covarianza depende de la escala de
cada variable, por ende no es comparable
entre distintos pares de variables.
● Si se quiere hacer comparaciones, se debe
estandarizar la covarianza; y es aquí
donde se generan los COEFICIENTES DE
CORRELACIÓN.
COEFICIENTE DE CORRELACIÓN
DE PEARSON
 Coeficiente de
correlación de Pearson
Es un índice que mide el grado de relación de 2 variables que
sean ambas cuantitativas y cualitativas

Sean X y Y dos variables aleatorias sobre una población; el coeficiente de

correlación de Pearson denotado por {X,Y} se define como
 Coeficiente de
correlación de Pearson
Cómo calcular el coeficiente de correlación de Pearson

❖ Paso 1: Crear una tabla de coeficientes de correlación de Pearson. Hacer una tabla
de datos, incluyendo ambas variables. Etiqueta estas variables como “x” e “y”.
Añade tres columnas adicionales – (xy), (x^2), y (y^2).
 Coeficiente de
correlación de Pearson
Cómo calcular el coeficiente de correlación de Pearson

❖ Paso dos: Usa una multiplicación básica para completar la tabla.

 Coeficiente de
correlación de Pearson
Cómo calcular el coeficiente de correlación de Pearson
❖ Paso tres: Sume todas las columnas de abajo a arriba ❖ Paso cuatro: Usar la fórmula de
correlación para conectar los valores.
 Coeficiente de
correlación de Pearson
Interpretación del valor del índice de correlación(r)
Cuanto más fuerte sea la asociación entre las dos variables, más se inclinará la respuesta hacia 1 o -1.
Alcanzar valores de 1 o -1 significa que el cambio de factores de cualquier variable no debilita la correlación
con la otra variable. Cuanto más se acerque la respuesta a 0, mayor será la variación de las variables.

independientes
 Coeficiente de correlación de
Software
Spearman (rs)

Medida no paramétrica
de la correlación de
rango

Se utiliza
principalmente
para el análisis
de datos.
 Fórmula

INTERPRETACIÓN

= -1 Asociación negativa Muestra relación

inversa
= 0 No hay asociación Independencia
estadística
= 1 Asociación positiva Muestra relación
= Coeficiente de correlación
directa
por rangos de Spearman
= Diferencia entre los rangos
(X - Y)
= Númerom de datos
 Hipótesis
Desición
❖ Ho = Hipótesis nula
❖ H1 = Hipótesis alternativa Se acepta o rechaza Ho.
❖ α = Nivel de significancia( 0.05)

Formulación

➔ Prueba unilateral derecha

➔ Prueba unilateral izquierda
➔ Prueba bilateral
Pasos para hallar rs

1 2
Clasificar por jerarquìa los valores de X
desde 1 hasta n (el número de parejas Calcular di, para cada pareja de
de valores de X e Y en la muestra). observaciones, restando la jerarquía
Clasificar por jerarquía los valores de Y de Yi de la jerarquía de Xi.
desde 1 hasta n.

3 4

Elevar al cuadrado cada di y calcular ,

la suma de los valores elevados al Finalmente calcular
cuadrado.
Ejemplo

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 Nº 3 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.
 2. Cálculos

Solución

1. Formulación de la hipótesis

Ho: El rendimiento del EEG y la edad son

mutuamente independientes.
H1: Existe una tendencia del rendimiento del EEG a
disminuir con la edad.
3. Se calcula el valor de rs

4. Desición

Como rs = -0.76 , se
rechaza Ho.
 Aplicacion
Existe análisis de correlación, asociación mediante
tablas.

● Activamos una base de datos.

● Verificamos que el proceso de control
de calidad de los datos se haya dado.
● Ejecutamos el plan de análisis
estadístico de nuestro proyecto
aprobado.
● Interpretamos las salidas del soÿtware.
● Elaboramos el inÿorme y tomamos
decisiones.
 BASE DE
DATOS DE
EJEMPLO : HIV
Está incorporada en la
biblioteca de
ejemplos del EPI INFO,
cuando nosotros
descargamos el software
DIAGRAMA DE
DISPERSIÓN:
Edad vs Carga viral
ASOCIACIÓN
ENTRE SEXO Y
DIAGNÓSTICO

Se puede observar una complejidad de datos;

donde en la parte izquierda
nos da los porcentajes de fila, columna,
porcentajes respecto al total; y en la
parte derecha el análisis es mucho más
complejo, respecto a la prueba de
hipótesis específicamente de asociación.
 REFERENCIAS:

● Hernández, S. R. (2006). Metodología de la investigaci6n. México D.F., México: McGraw-Hill Interamericana.

● Correlacion estadistica | Superprof. (s. f.). Material Didáctico - Superprof. Recuperado 26 de enero de 2021, de
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/correlacion.html/
● Correlación lineal y Regresión lineal simple. (s. f.). Recuperado 26 de enero de 2021, de
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal
● ¿Qué es la correlación estadística y cómo interpretarla? | Máxima Formación. (s. f.). Recuperado 26 de enero de
2021, de https://www.maximaformacion.es/blog-dat/que-es-la-correlacion-estadistica-y-como-interpretarla/