Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición
Tipos de correlación
Correlación directa
En este caso se dice que las variables son incorreladas y la nube de puntos tiene
una forma redondeada.
Grado de correlación
Correlación fuerte
La correlación será fuerte cuanto más cerca estén los puntos de la recta.
Correlación débil
La correlación será débil cuanto más separados estén los puntos de la recta.
Figura 2. Relación lineal y relación no lineal (monótona). Vemos representado con una "r" negra el
coeficiente de Pearson y con una "s" en rojo el de Spearman. Cuando la relación es lineal, ambos
coeficientes coinciden (valen 1), pero cuando la relación no es lineal el coeficiente de correlación
de Spearman representa mejor la relación entre las variables.
Los valores de r positivos indican una correlación positiva, en la que los valores de
ambas variables tienden a incrementarse juntos.
Los valores de r negativos indican una correlación negativa, en la que los valores
de una variable tienden a incrementarse mientras que los valores de la otra
variable descienden.
¿Qué es el valor p?
Escala Nominal
1. Leve
2. Moderado
3. Severo
Por ejemplo, supongamos que tenemos 5 colores, naranja, azul, rojo, negro y
amarillo. Podríamos enumerar estos en cualquier orden que nos guste, ya sea del
1 al 5 o del 5 al 1 en orden ascendente o descendente. Aquí los números se
asignan a los colores sólo con el propósito de identificación. Otro ejemplo de
escala nominal es una escala de si / no. Estas dos palabras igual básicamente no
tienen orden.
Características de la escala nominal
En una escala nominal, una variable se divide en dos o más categorías, por
ejemplo, de acuerdo / en desacuerdo, si / no, etc. Es un mecanismo de
medición en el que la respuesta a una pregunta en particular puede caer en
cualquier categoría.
E – extrovertido
I – introvertido
A – ambas
¿Cuál es tu género?
H – hombre
M – mujer
Negro
Café
Rojo
Amarillo
Otro
Existe también un subtipo de escala nominal con solo dos categorías, tal y como el
ejemplo de género mencionado anteriormente.
¿Tienes un iPhone?
Si
No
Escala ordinal
Totalmente satisfecho
Satisfecho
Neural
Insatisfecho
Totalmente insatisfecho
Muy infeliz
Infeliz
Neutral
Feliz
Muy feliz
Ranking de los estudiantes de secundaria: 1ero, 3ero, 4to, 5to , etc. Un estudiante
con un puntaje de 99/100 sería el primer rango, otro estudiante con puntaje de
98/100 sería el segundo, y así sucesivamente.
Otro ejemplo de uso es para la evaluación de grado de acuerdo, por ejemplo, algo
como: “indica el nivel de acuerdo o desacuerdo que tienes con las políticas de la
empresa en la que estás trabajando:” Totalmente de acuerdo, de acuerdo, neutral,
en desacuerdo, totalmente en desacuerdo.
De igual manera, las escalas ordinales sirven para comprender las preferencias de
las personas: si un profesional de marketing realiza una encuesta en línea con el
propósito de saber que marca de computadoras portátiles prefieren los
participantes, lo que este puede hacer es utilizar una escala ordinal. La pregunta
puede ser algo como, “De las cinco marcas de computadoras mencionadas a
continuación, clasifícalas según tu orden de preferencia:” HP, Apple, Lenovo, Dell,
Acer”.
Tal como lo hemos hecho antes, un gráfico de dispersión es útil para echar un
primer vistazo:
También podemos ver los datos en una tabla, ya que nos ayuda a seguir el
cálculo del coeficiente a partir de cada dato bivariado. Cuando hablamos de datos
bivariados, lo común es llamar a una variable X y a la otra Y (esto también nos
ayuda a orientarnos en un plano visual, como los ejes de un gráfico). Vamos a
llamar X a las ventas de helado e Y a la temperatura.
Observe que todos los datos bivariados se dan por pares. Recuerde que
estamos observando en instantes individuales en el tiempo, y cada uno de ellos
tiene un valor tanto para las ventas como para la temperatura.
Ahora que hemos orientado nuestros datos, podemos empezar con dos
subcálculos importantes de la fórmula anterior: la media de la muestra y la
diferencia entre cada dato puntual y esta media (durante estos pasos, también
podrá ver los cimientos iniciales de la desviación estándar).
Las medias de la muestra se representan con los símbolos x̅ e y̅, a veces llamados
"X-Barra" e "Y-Barra". Las medias de venta de helados (x̅ ) y temperatura (y̅)
pueden calcularse fácilmente de la siguiente manera:
Tomamos los pares de valores de cada fila de las últimas dos columnas de la
tabla de arriba, los multiplicamos (recuerde que al multiplicar dos números
negativos se obtiene un resultado positivo) y sumamos los resultados:
¡Hay una correlación perfecta entre las ventas de helado y los días
calurosos de verano! Por supuesto, en el mundo real encontrar una correlación
perfecta es tan improbable que, si estuviéramos trabajando con datos reales,
sospecharíamos que hemos hecho algo mal para obtener este resultado.
Pero con los datos simplificados de nuestro ejemplo, este resultado debería
tener sentido de manera intuitiva, simplemente mirando los puntos
correspondientes a los datos. Vamos a ver de nuevo nuestro gráfico de dispersión:
Ahora imagínese que dibuja una línea en el gráfico. ¿Mostraría un ajuste lineal
perfecto?
Bibliografía
https://www.maximaformacion.es/blog-dat/que-es-la-correlacion-estadistica-y-
como-interpretarla/
https://www.questionpro.com/blog/es/escala-nominal/
https://www.questionpro.com/blog/es/escala-ordinal/
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/
disbidimension/correlacion.html
https://www.jmp.com/es_co/statistics-knowledge-portal/what-is-correlation/
correlation-coefficient.html