UNIDAD V

 Correlaciones y relaciones de dos variable

 Índices de correlación.
 Índice de Pearson e índices para relación de
datos categóricos en tablas de doble entrada.
 Gráficos de Dispersión
Hasta ahora se han examinado métodos numéricos que resumen datos en una
sola variable. Con frecuencia los administradores o quienes toman decisiones
necesitan conocer la relación entre dos variables. En esta sección se presentan
la covarianza y la correlación como medidas descriptivas de la relación entre
dos variables.

COVARIANZA
Es una medida que describe la asociación entre dos variables x e y.
En una muestra de tamaño n con observaciones (x1 , y1), (x2 , y2 ), etc., la covarianza
muestral se
define como sigue:
ejemplo: El administrador de una tienda de equipos de sonido desea
determinar la relación entre el número de comerciales televisados en un fin de
semana y las ventas de la tienda durante la semana siguiente.
En la tabla se presentan datos muéstrales de las ventas expresadas en cientos de
dólares. En esta tabla se presentan 10 observaciones (n=10), una por cada
semana.
 Diagrama de dispersión

El diagrama de dispersión muestra una relación positiva, indicando que

las mayores ventas (y) están asociadas con mayor número de
comerciales (x).
 Cálculos de la covarianza

Interpretación: como el valor de la covarianza es positivo, nos indica que

hay una asociación lineal positiva entre el número de comerciales (x) y el
volumen de ventas (y), es decir; que entre mas comerciales se tengan mayor
será las ventas.
Interpretación de la covarianza

Covarianza positiva: indica que hay una asociación lineal positiva

entre x e y; es decir, a medida que aumenta el valor de x aumenta el
valor de y
Interpretación de la covarianza

Covarianza igual o aproximadamente cero: indica que no hay una

asociación lineal entre x e y. Los datos se encuentran igualmente
disperso, no se observa una tendencia creciente o de creciente.
Interpretación de la covarianza

Covarianza negativa: indica que hay una asociación lineal negativa

entre x e y; es decir, a medida que aumenta el valor de x disminuye el
valor de y
Sin embargo, un problema en el uso de la covarianza, como medida de la
fuerza de la relación lineal, es que el valor de la covarianza depende de las
unidades de medición empleadas para x e y. Suponga, por ejemplo, que se
desea medir la relación entre la estatura x y el peso y de las personas. Es
claro que la fuerza de la relación deberá ser la misma, ya sea que la altura
se mida en pies o en pulgadas. Sin embargo, cuando la estatura se mide en
pulgadas, los valores de (xi- x̄ ) son mayores que cuando se mide en pies.
Una medida de la relación entre dos variables, a la cual no le afectan las
unidades de medición empleadas para x y y, es el coeficiente de
correlación.

Coeficiente de Correlación Pearson.

Es una medida de dependencia lineal entre dos variables cuantitativas. A

diferencia de la covarianza, la correlación de Pearson es independiente de
la escala de medida de las variables.
 Coeficiente de correlación de Pearson para datos
muestral

El valor del índice de correlación varía en el intervalo [-1,1], indicando

el signo el sentido de la relación:
• Si r = 1, existe una correlación positiva perfecta entre x e y. El índice
indica una dependencia total entre las dos variables (relación directa):
cuando el valor de x aumenta, la otra también lo hace en proporción
constante.

• 0<r<1, existe una correlación positiva. Aumenta el valor de x aumenta el

valor de y pero no en igual proporción.

• Si r = 0, no existe relación lineal. Pero esto no necesariamente implica

que las variables son independientes: pueden existir relaciones no
lineales entre las dos variables.

• Si -1 < r < 0, existe una correlación negativa. Aumenta el valor de x,

disminuye el valor de y.

• Si r = -1, existe una correlación negativa perfecta. El índice indica una
dependencia total entre las dos variables llamada relación inversa:
cuando una de ellas aumenta, la otra disminuye en proporción constante.