DETERMINACION Y ANALISIS DE

LOS COEFICIENTES DE
CONRRELACION Y
DETERMINACION
JOSE JAVIER DE LEON GARZA
3 INFORMATICA
Coeficiente de Determinación

 La bondad de la predicción depende de la relación entre las variables. Si dos variables no

covarían, no podremos hacer predicciones válidas, y si la intensidad de la covariación es
moderada, las predicciones no serán demasiado buenas. En consecuencia, hay que
disponer de alguna medida de la capacidad de la ecuación de Regresión para obtener
predicciones buenas (en el sentido de que sean lo menos erróneas posible).
 Esta medida es el Coeficiente de Determinación, que es el cuadrado del coeficiente de
correlación de Pearson, y da la proporción de variación de la variable Y que es explicada
por la variable X (variable predictora o explicativa). Si la proporción es igual a 0,
significa que la variable predictora no tiene NULA capacidad predictiva de la variable a
predecir (Y). Cuanto mayor sea la proporción, mejor será la predicción. Si llegara a ser
igual a 1 la variable predictora explicaría TODA la variación de Y, y las predicciones NO
tendrían error.
EJEMPLO

 En el siguiente cuadro puedes comprobar:

 a) que la Varianza total de la variable Y (0.76) es igual a la suma de las Varianzas de
las puntuaciones estimadas (Y') y de los errores de predicción (Y-Y').
 b) Que el coeficiente de determinación (r2xy) es igual a la proporción de la Varianza
explicada (s2y') respeto de la Varianza total (s2y)
COEFICIENTE DE CORRELACIÓN

 En estadística, el coeficiente de correlación de Pearson es una medida lineal entre dos 

variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson
 es independiente de la escala de medida de las variables.
 De manera menos formal, podemos definir el coeficiente de correlación de Pearson como
un índice que puede utilizarse para medir el grado de relación de dos variables siempre y
cuando ambas sean cuantitativas y continuas.
EJEMPLO

 Suponiendo que se están estudiando dos variables aleatorias X y Y sobre una población;

el coeficiente de correlación de Pearson se simboliza con la letra siendo la expresión
que nos permite calcularlo: