Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Motivación
Ejemplo: observar si hombres con mayor estatura pesan más que hombres con menor
estatura; observar si al haber mayor temperatura corporal, la presión sistólica también
aumenta; observar si a mayor número de frutas en el árbol, el tamaño de éstas
disminuye.
1
La manera más sencilla de presentar y analizar la relación entre dos
variables es a través del gráfico de dispersión. Este muestra una nube de puntos en
que cada uno de los puntos representa una observación de X e Y, denotado por el par
ordenado (x,y).
Ejemplos de gráficos:
2
c) Inteligencia y nivel de ansiedad: ausencia de asociación.
3
El coeficiente de correlación de Pearson
cov( x, y )
Var ( x)Var ( y )
-1 1
Y EY X E X
que es la definición de una línea recta.
Sea X , Y ,......... X
1 n , Yn una muestra de tamaño n . El estimador de es el
coeficiente de correlación en la muestra (r ) :
4
r
x X y Y
i i
x X y Y
2 2
i i
r
x y i i nXY
x nX y nY 2
2 2 2
i i
Interpretacióndescriptiva: si r es:
5
Por ejemplo, si el coeficiente de correlación muestral es 0,7831, su significación está
dada por el valor p = 0,001 lo que indica que es un valor significativo con una
confianza del 99 %.
H0 : 0
H1 : 0
En los resultados de SPSS se encuentra un indicador llamado valor-p (Sig.) que permite
decidir entre ambas hipótesis. Observando este indicador se establece la siguiente
regla:
c) Si valor-p > 0,05 no se rechaza H 0 , que indica que n o hay significación estadística.
Coeficiente de determinación
denota por R2
R2 = r2
Este valor indica la varianza de factores comunes, es decir, el porcentaje de variación
de una variable debido a la variación de la otra variable y viceversa.
Ejemplo
6
En 18 alumnos de primer año de una escuela se ha realizado un estudio de
correlación entre el test que mide el coeficiente intelectual y las notas obtenidas en los
exámenes.
CI 107 120 77 136 111 140 97 117 126 92 90 110 123 110 103 96 133 102
Examen 59 60 26 80 66 66 50 68 67 31 40 41 57 50 44 43 72 32
Diagrama de dispersión
80
70
60
Notas
50
40
30
20
CI
Estadísticos descriptivos
Matriz de Correlaciones
7
CI Notas
CI Correlación de
1 ,869(**)
Pearson
Sig. (bilateral) ,000
N 18 18
Notas Correlación de
,869(**) 1
Pearson
Sig. (bilateral) ,000
N 18 18
** La correlación es significativa al nivel 0,01 (bilateral).
1. Introducción
2. Notación
8
Por ejemplo, si las variables son 1= puntaje en vocabulario, 2= talla en pulgadas y 3=
edad. En este caso r12.3 significa que la edad se hizo constante, dejando la correlación
neta entre el puntaje en vocabulario y talla en pulgadas.
En resumen, los números a la derecha del punto representan variables cuya influencia
ha sido eliminada; los de la izquierda, representan las dos variables correlacionadas.
9
significa que, si nuestro grupo hubiera tenido el mismo nivel de inteligencia (el mismo
puntaje en los tests de inteligencia dados), habría habido una correspondencia mucho
más estrecha entre el éxito académico y las horas de estudio que si los estudiantes
poseyeran magnitudes distintas de habilidad general. Esta es, por cierto, la respuesta a
esperarse.
Se calcula r23.1 y sustituyendo los valores correspondientes, se obtienen una
correlación parcial de –0,72. Este interesantísimo resultado significa que en un grupo
en que cada estudiante obtiene la misma cantidad de puntos honoríficos, la correlación
entre inteligencia general y horas de estudio sería mucho más alta – negativamente –
que el r obtenido entre inteligencia general y horas de estudio de un grupo de
estudiantes en el cual el rendimiento académico varía ampliamente. Cuanto más
inteligente sea el estudiante, tanto menos necesita estudiar para alcanzar un
determinado estándar de rendimiento académico.
10