UNIVERSIDAD NACIONAL

TORIBIO RODRIGUEZ DE MENDOZA DE AMAZONAS

FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE PSICOLOGIA

TÉCNICAS ESTADÍSTICAS DE CORRELACIÓN

DOCENTE:

RODRIGUEZ QUEZADA, María del Pilar.

ASIGNATURA:

Taller de Tesis II.

ESTUDIANTES:
BAUTISTA SAIRITUPAC, Esther Juana
COPIA GUEVARA, Ivonne Fraysinet
JIMENEZ BERECHE, María Isabel
LOJA TAFUR, Deyanira
GOMEZ PEREZ, Karla Nayelly
MEGO PEREZ, Rosalinda
PEÑA MORALEs, Roberto
SALAZAR TUESTA, Frank Alberto

CHACHAPOYAS – PERÚ

2022
 INTRODUCCIÓN

Cuando se realiza un análisis de información, sobre un conjunto de datos, cuyo origen

puede ser bien una base de datos, una de las herramientas más potentes para poder extraer
conclusiones es realizar correlaciones. La correlación es una técnica de análisis de
información con base estadística y, por ende, matemática. Consiste en analizar la relación
entre dos variables en el cual, el resultado debe mostrar la fuerza y el sentido de la relación.

El Diagrama de Dispersión es utilizado para identificar la correlación entre variables.

Conocido también como Gráfico de Dispersión o Gráfico de Correlación, es la herramienta
ideal para las empresas que necesitan entender si una relación de causa y efecto tiene
realmente sentido.

En este trabajo hablaremos de los coeficientes de correlación de Pearson, el de Spearman, o

el de Kendall. Esto si estamos hablando de correlaciones bivariadas. que nos permiten ver
el cambio de ambas variables ante un evento ya sea positiva, negativa o nula. la relación va
ser más fuerte siempre cuando se acerque a 1 o -1.
 INDICE

TÉCNICAS ESTADÍSTICAS DE CORRELACIÓN

La correlación es un tipo de asociación entre dos variables numéricas, específicamente

evalúa la tendencia (creciente o decreciente) en los datos.

Dos variables están asociadas cuando una variable nos da información acerca de la otra. Por
el contrario, cuando no existe asociación, el aumento o disminución de una variable no nos
 dice nada sobre el comportamiento de la otra variable. Dos variables se
correlacionan cuando muestran una tendencia creciente o decreciente.

Para analizar la relación entre variables se utilizan los llamados «coeficientes de

correlación». Se realizan sobre sobre variables cuantitativas o cualitativas. Ello determinará
si se calcula o bien el coeficiente de correlación de Pearson, el de Spearman, o el de
Kendall. Esto si estamos hablando de correlaciones bivariadas. Existen otras como pueden
ser las correlaciones o las medidas de distancia o disimilaridad de intervalos, recuentos o
binarias (p.e. distancia euclídea, euclídea al cuadrado, Chebyshev, Bloque, Minkowsky,
etc.)

Hasta el momento la aplicación de la correlación ha sido amplia y diversa en diferentes

campos como ciencias naturales, economía, psicología, etc. y por supuesto, en
investigaciones de todo tipo. En lo que se refiere al campo de la seguridad de la
información los fundamentos son los mismos, aunque por el momento aún se está
desarrollando.

Coeficiente de Correlación

El coeficiente de correlación es la medida específica que cuantifica la intensidad de la

relación lineal entre dos variables en un análisis de correlación. En los informes de
correlación, este coeficiente se simboliza con la (r). Es decir, la correlación estadística es
medida por lo que se denomina coeficiente de correlación (r). Su valor numérico varía de
1,0 a -1,0. Nos indica la fuerza de la relación.

En general, r> 0 indica una relación positiva y r <0 indica una relación negativa, mientras
que r = 0 indica que no hay relación (o que las variables son independientes y no están
relacionadas). Aquí, r = 1,0 describe una correlación positiva perfecta y r = -1,0 describe
una correlación negativa perfecta. Cuanto más cerca estén los coeficientes de +1,0 y -1,0,
mayor será la fuerza de la relación entre las variables. Como norma general, las siguientes
 directrices sobre la fuerza de la relación son útiles (aunque muchos expertos
podrían disentir con la elección de los límites).

Fuerza de
Valor de r
relación

-1,0 A -0,5 o
Fuerte
1,0 a 0,5

-0,5 A -0,3 o
Moderada
0,3 a 0,5

-0,3 A -0,1 o
Débil
0,1 a 0,3

Ninguna o muy
-0,1 A 0,1
débil

La correlación es solamente apropiada para examinar la relación entre datos cuantificables

significativos (por ejemplo, la presión atmosférica o la temperatura) en vez de datos
categóricos, tales como el sexo, el color favorito, etc.

TIPOS DE CORRELACIÓN

Veamos ahora los coeficientes de correlación más utilizados.

  Coeficiente de correlación de Pearson
También llamado coeficiente de correlación lineal o simplemente coeficiente de
correlación, es una medida estadística que indica la relación entre dos variables.
Para calcular el coeficiente de correlación de Pearson entre dos variables se debe
dividir la covarianza de dichas variables por la raíz cuadrada del producto de sus
varianzas. De manera que el coeficiente de correlación de Pearson trata de
cuantificar la dependencia lineal entre dos variables aleatorias cuantitativas. A
priori, valorar numéricamente la correlación entre dos variables es complicado
porque resulta difícil determinar qué pareja de variables está más correlacionada
entre sí, así pues, el objetivo de coeficiente de correlación de Pearson es dar un
valor a la relación entre variables para luego poder comparar entre ellas.

 Fórmula
El coeficiente de correlación de Pearson de dos variables estadísticas es
igual al cociente entre la covarianza de las variables y la raíz cuadrada del
producto de la varianza de cada variable.

 Ejemplo
 Calcula el coeficiente de correlación de Pearson entre las siguientes dos
variables continuas:

Antes de hacer el cálculo del coeficiente de correlación de Pearson, representaremos el

conjunto de datos en un gráfico de dispersión para analizar la relación entre las dos
variables:
 Del diagrama de dispersión se deduce que los datos pueden tener una tendencia
positiva o, dicho de otra forma, cuando una variable aumenta de valor también aumenta la
otra variable. Para comprobar la correlación vamos a hallar el coeficiente de Pearson. Lo
primero que debemos hacer es encontrar la media aritmética de cada variable por separado,
que es equivalente a la suma total de los datos entre el número de observaciones.

Ahora que ya conocemos el promedio de cada variable, debemos añadir las siguientes
columnas a la tabla de datos:

A partir de los datos calculados en la tabla, determinamos los valores de la covarianza y de

las varianzas:

Por último, solo nos queda aplicar la fórmula del coeficiente de correlación de Pearson para
obtener su valor:

El coeficiente de correlación de Pearson tiene un valor muy próximo a 1, lo que significa

que estas dos variables tienen una correlación positiva bastante fuerte.
  Coeficiente de correlación de Spearman

Este coeficiente es una medida de asociación lineal que utiliza los rangos, números
de orden, de cada grupo de sujetos y compara dichos rangos. Los métodos de
correlación de Pearson y Spearman son técnicas bivariadas que se emplean en
situaciones donde el investigador quiere observar representaciones de la
información, que permitan establecer similitudes o discrepancias entre las variables
e individuos. Ejemplos clásicos de correlación podrían ser la relación entre peso y
talla, la relación entre horas dedicadas al deporte y la calidad de vida, la cantidad de
fármacos suministrados a un paciente y la variación de sus signos vitales.

La correlación de Pearson mide la fuerza o grado de asociación entre dos variables

aleatorias cuantitativas que poseen una distribución normal bivariada. Coeficiente
de correlación por jerarquías de Spearman (Rho de Spearman ρS) Es una medida de
asociación lineal que utiliza los rangos, números de orden de cada grupo de sujetos
y compara dichos rangos. Este coeficiente es muy útil cuando el número de pares
sujetos (n) que se desea asociar es pequeño (menor de 30). Aparte de permitir
conocer el grado de asociación entre ambas variables con la ρ de Spearman es
posible determinar la dependencia o independencia de dos variables aleatorias. La
formula de este coeficiente es:
 Correlación de tau de Kendall

Es una medida de dependencia no paramétrica que identifica los pares concordantes

y discordantes de dos variables. Una vez identificados, se calculan los totales y se
hace el cociente.

En otras palabras, asignamos una clasificación a las observaciones de cada variable

y estudiamos la relación de dependencia entre dos variables dadas. Hay dos maneras
de calcular la Tau de Kendall; nosotros optamos por calcular la relación de
dependencia una vez ordenadas las observaciones de cada variable. En nuestro
ejemplo, veremos que hemos ordenado en orden ascendente las clasificaciones de la
columna X.

Definimos:

Cn = número total de pares concordantes.

NCn = número total de pares no concordantes (discordantes)

REFERENCIAS

Nelsa, M. (Mayo de 2020). Técnicas estadísticas para identificar posibles relaciones

bivariadas. Revista Cubana de Anestesiología y Reanimación. Obtenido de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1726-67182020000200008
Suaréz, H. (7 de Julio de 2015). ¿Qué es una correlación? y herramientas de análisis de
datos. Obtenido de INCIBE-CERT : https://www.incibe-cert.es/blog/correlacion-
herramientas-analisis-datos
Cohen, B. (Mayo de 2005). COEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON .
Obtenido de https://personal.us.es/vararey/adatos2/correlacion.pdf
Ortega, M., & María, R. (2 de Abril de 2009). EL COEFICIENTE DE CORRELACION
DE LOS RANGOS DE SPEARMAN CARACTERIZACION. Revista Habanera
de Ciencias Médicas. Obtenido de
https://www.redalyc.org/pdf/1804/180414044017.pdf
Explorable.com. (17 de Octubre de 2007). La Correlación Estadística. Obtenido de
Explorable.com: https://explorable.com/es/la-correlacion-estadistica#:~:text=La
%20correlaci%C3%B3n%20estad%C3%ADstica%20constituye%20una,ingresos
%20y%20gastos%20disminuyen%20juntos.
Nelsen, J. (7 de Abril de 1998). Coeficiente de correlación de rango de Kendall. Obtenido
de https://hmong.es/wiki/Kendall_tau_rank_correlation_coefficient