Correlación de Pearson
a) Rangos: interpretación de correlación rxy
La interpretación del coeficiente de correlación de Pearson tiene el objetivo de indicar cuán
asociadas se encuentran dos variables entre sí:
Correlación menor a cero: Si la correlación es menor a cero, significa que es negativa, es
decir, que las variables se relacionan inversamente.
Cuando el valor de alguna variable es alto, el valor de la otra variable es bajo. Mientras más
próximo se encuentre a -1, más clara será la covariación extrema. Si el coeficiente es igual
a -1, nos referimos a una correlación negativa perfecta.
Correlación mayor a cero: Si la correlación es igual a +1 significa que es positiva
perfecta. En este caso significa que la correlación es positiva, es decir, que las variables se
correlacionan directamente.
Cuando el valor de una variable es alto, el valor de la otra también lo es, sucede lo mismo
cuando son bajos. Si es cercano a +1, el coeficiente será la covariación.
Correlación igual a cero: Cuando la correlación es igual a cero significa que no es posible
determinar algún sentido de covariación. Sin embargo, no significa que no exista una
relación no lineal entre las variables.
b) Comprobación de hipótesis tamaño de muestra mayor a 12
c) Tamaños de muestras mayores o menores a 12
d) Correlación lineal
El coeficiente de correlación lineal es un tipo de medida de regresión que se emplea para
conocer el grado de variación entre dos variables determinadas.
Uno de estos parámetros es la covarianza, que indica el grado de variación conjunta de dos
variables aleatorias.
Covarianza muestral
La covarianza depende de las escalas en que se miden las variables estudiadas, por lo tanto,
no es comparable entre distintos pares de variables. Para poder hacer comparaciones se
estandariza la covarianza, generando lo que se conoce como coeficientes de correlación.
Existen diferentes tipos, de entre los que destacan el coeficiente de Pearson, Rho de
Spearman y Tau de Kendall.
e) Coeficiente de correlación Pearson
El coeficiente de correlación de Pearson es una prueba que mide la relación estadística
entre dos variables continuas. Si la asociación entre los elementos no es lineal, entonces el
coeficiente no se encuentra representado adecuadamente.
El coeficiente de correlación puede tomar un rango de valores de +1 a -1. Un valor de 0
indica que no hay asociación entre las dos variables. Un valor mayor que 0 indica una
asociación positiva. Es decir, a medida que aumenta el valor de una variable, también lo
hace el valor de la otra. Un valor menor que 0 indica una asociación negativa; es decir, a
medida que aumenta el valor de una variable, el valor de la otra disminuye.
f) Características del coeficiente de correlación
1. El valor del coeficiente de correlación es independiente de cualquier unidad usada para
medir las variables.
2. Cuando hay valores extremos en alguna de las variables, el valor del coeficiente de
correlación puede verse alterado de forma importante.
3. Cuanto más grande es la muestra, más preciso será el coeficiente de correlación. Con
muestras muy pequeñas puede que esté indicado aplicar otro coeficiente de correlación, de
tipo no paramétrico (el Coeficiente de Correlación de Spearman, por ejemplo).
4. Se presupone normalidad en la distribución bivariante de las dos variables en análisis. Si
esta condición no se cumple, será mejor aplicar otro (también el Coeficiente de Correlación
de Spearman).
5. El coeficiente de correlación mide solo la relación con una línea recta, pero puede que
nuestras dos variables tengan una relación diferente.
g) Interpretación de una correlación
Decimos que la correlación entre dos variables X e Y es perfecta positiva cuando
exactamente en la medida que aumenta una de ellas aumenta la otra. Esto sucede cuando la
relación entre ambas variables es funcionalmente exacta.
Conclusiones
El coeficiente de correlación de Pearson es una medida estadística que evalúa la dirección y
la fuerza de la relación lineal entre dos variables cuantitativas
Este coeficiente es esencial para examinar patrones y tendencias, facilitando a las empresas
una mejor comprensión del comportamiento de una investigación. Su cálculo se
fundamenta en la covarianza y las desviaciones estándar de las variables, y su
interpretación exacta es vital para obtener conclusiones significativas sobre la relación entre
variables de dos.
Bibliografía
https://www.maximaformacion.es/blog-dat/que-es-la-correlacion-estadistica-y-como-
interpretarla/
https://www.questionpro.com/blog/es/coeficiente-de-correlacion-de-pearson/
#:~:text=El%20coeficiente%20de%20correlaci%C3%B3n%20puede,el%20valor%20de
%20la%20otra.
https://www.rankia.cl/blog/mejores-opiniones-chile/4090045-como-interpretar-para-
que-sirve-coeficiente-correlacion
https://personal.us.es/vararey/adatos2/correlacion.pdf
