ESCUELA NORMAL “PROFR.

SERAFÍN PEÑA”
MONTEMORELOS, NUEVO LEÓN

LICENCIATURA EN EDUCACIÓN
PRIMARIA
PLAN DE ESTUDIOS 2018
5º. SEMESTRE
ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA

TEMA:
Correlación (r de Pearson)
MTRA. ALEIDA QUIROZ
Al estudiar la relación entre dos variables, podemos identificar dos
tipos de variables:
a)Variable independiente es la variable considerada como causa,
denominada también como variable predictora.
b)Variable dependiente es la variable considerada como efecto.

En el estudio de la correlación, es posible utilizar el conocimiento

sobre una variable para predecir los valores correspondientes a la
otra variable.

Un diagrama de dispersión permite observar a simple vista el grado

y el patrón de relación entre dos variables.
Como confeccionar un diagrama de dispersión

Paso 1. Dibujar los ejes y determinar qué variable se representa en

cada uno de ellos. La variable independiente o predictora se
ubica en el eje horizontal, la variable dependiente en el
vertical.
Paso 2. Determinar la serie de valores que se van a utilizar para
cada variable y marcarla en los ejes.
Paso 3. Marcar un punto por el par de observaciones de cada
variable.
La correlación positiva es cuando
los valores altos coinciden con los
altos, los bajos con los bajos y los
medianos con los medianos. Debido
a que el patrón que muestra el
diagrama de dispersión se aproxima
a una línea recta, es también una
correlación lineal.

La correlación negativa es cuando

los valores altos coinciden con los
bajos y los bajos con los altos.

MTRA. ALEIDA
La correlación curvilínea es
cuando la relación entre dos
variables no sigue una línea recta
positiva o negativa, sino un
patrón más complejo.

La correlación nula es cuando

no existe ningún tipo de relación
entre dos variables. Los puntos se
dispersan en todas las
direcciones, y no existe ningún
tipo de línea que indique indicio
de una tendencia.
MTRA. ALEIDA
El grado de correlación indica en que medida existe un patrón
claro de alguna relación en particular entre dos variables.

En una correlación lineal positiva, el grado de correlación

determina cuántos valores altos de una variable coinciden
con los valores altos de la otra variable, cuántos de los bajos
con los bajos y medianos con medianos.

En una correlación lineal negativa, el grado de correlación

determina cuántos valores altos de una variable coinciden
con los valores bajos de la otra variable, cuántos de los bajos
con los altos y medianos con medianos.

MTRA. ALEIDA
En un diagrama de dispersión, un alto grado de correlación se
observa cuando todos los puntos están muy cerca de una línea
recta.
Una correlación lineal perfecta es aquella en la que todos los
puntos están ubicados exactamente sobre la línea recta.

La manera de relacionar los valores de las variables es mediante

productos cruzados entre ellos, que cuando se utilizan
puntuaciones Z, el cálculo se denomina producto cruzado de
puntuaciones Z.
MTRA. ALEIDA
En el caso de una correlación lineal positiva que no es perfecta, el
promedio de los productos cruzados de puntuaciones Z estará entre 0
y +1.
En el caso de una correlación lineal negativa que no es perfecta, el
promedio de los productos cruzados de puntuaciones Z estará entre 0
y–1.
En una correlación perfecta lineal positiva el promedio de los
productos cruzados de puntuaciones Z debe ser igual a +1.
En una correlación perfecta lineal negativa el promedio de los
productos cruzados de puntuaciones Z debe ser igual a – 1 .
En el caso de que no exista correlación lineal, el promedio de los
productos cruzados de puntuaciones Z será 0.
MTRA. ALEIDA
El promedio de los productos cruzados de puntuaciones Z es, el
modo de calcular el grado de correlación lineal entre dos variables.
Se le denomina coeficiente de correlación. También se le llama
coeficiente de correlación de Pearson. (coeficiente de correlación
producto-momento de Pearson)

MTRA. ALEIDA
Pasos que se deben seguir para calcular el coeficiente de
correlación:

1.Convertir todas las observaciones en puntuaciones Z. Para esto

es necesario calcular la media y el desvío estándar de cada variable
y luego la puntuación Z correspondiente a cada valor observado.
2.Calcular el producto cruzado de las puntuaciones Z de cada
persona. Es decir, por cada persona, multiplicar la puntuación Z en
una variable por la puntuación Z en la otra variable.
3.Sumar todos los productos cruzados de puntuaciones Z.
4.Dividir el resultado por la cantidad de personas que participan en
el estudio.

MTRA. ALEIDA
 Correlación negativa

-1  r  0 r=-1

Correlación positiva

0  r  +1 r=+1
 Correlaciones positivas

330 130
120
280 110
230 100
90
180 80
70
130 60
50
80 r=0,1 40
r=0,4
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200

110 100
100 90
90 80
80
70
70
60
60
50 50

40 r=0,6 40 r=0,8
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200
 Casi perfectas y positivas

100 100
90 90
80 80
70 70
60 60
50 50
40 r=0,9 40 r=0,99
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200

100
90
80
70
60
50
40 r=1
30
140 150 160 170 180 190 200
r=0

Ausencia de correlación
 EJEMPLO 1
Correlación r de Pearson

MTRA. ALEIDA
Supongamos que una empresa esta pensando Gerent Empl. Nivel de
aumentar la cantidad de personal bajo el mando e Superv. estrés
de cada uno de sus gerentes de piso. La empresa A 6 7
esta preocupada por el estrés que esto podría B 8 8
provocar a sus gerentes. La empresa supone que C 3 1
cuantas mas personas supervise un gerente, D 10 8
mayor será el estrés sufrido por él. Para E 8 6
analizar la situación, un psicólogo laboral
sugiere estudiar a cinco gerentes seleccionados
al azar de entre todos los gerentes de piso de la
empresa. Se entrega a cada uno de los cinco
gerentes un cuestionario de medición de estrés
en el cual los posibles registros van de 0 (estrés
nulo) a 10 (estrés extremo).

MTRA. ALEIDA
Variable Diagrama de dispersión:
dependiente
Gerent Empl. Nivel de
e Superv. estrés
10
A 6 7
9
B 8 8
8
C 3 1
7
6 D 10 8

5 E 8 6

4
3
2
1

0 Variable
1 2 3 4 5 6 7 8 9 10 11 12
pedictora
Cantidad de empleados supervisados
MTRA. ALEIDA
–1 1 – 0.42 1 1 0.38 – 0.16

1 1 2 4 0.77 0.32
0.42
–4 16 –5 25 – 1.92 3.24
– 1.69
3 9 2 4 0.77 0.98
1.27
1 1 0 0 0 0.00
0.42

s² = 5.6 s² = 6.8
s = 2.37 s = 2.61

MTRA. ALEIDA
QUIROZ RIVERA
 EJEMPLO 2
Correlación r de Pearson

MTRA. ALEIDA
Supongamos que una psicóloga educacional averiguó la
cantidad promedio de alumnos por clase y los promedios
de calificaciones en las pruebas de nivel de cinco escuelas
primarias de determinado distrito escolar. La pregunta
formulada por la psicóloga es: ¿Cuál es la relación entre
estas dos variables?
Escuela Tamaño de Calif. prueba
primaria la clase rendimiento
Main Street 25 80
Casat 14 98
Harland 33 50
Shady Grove 28 82
Jefferson 20 90
MTRA. ALEIDA
 Diagrama de dispersión:
Variable Calif.
Tamaño
dependiente Escuela
de la
prueba
primaria rendimien
clase
to
100
90 Main Street 25 80
80 Casat 14 98
70 Harland 33 50
60 Shady
Grove
28 82
50
40 Jefferson 20 90
30
20
10

0 Variable
1 5 10 15 20 25 30 35 40 45 50
pedictora
Tamaño de la clase
MTRA. ALEIDA
 1 1 0.15 0 0 0 0
– 10 100 – 1.53 18 324 1.10 – 1.68
9 81 1.38 – 30 900 – 1.84 – 2.54
4 16 0.61 2 4 0.12 0.07
–4 16 – 0.61 10 100 0.61 – 0.37

s² = 42.8 s² = 265.6
s = 6.54 s = 16.3

MTRA. ALEIDA
Decimos que una correlación es significativa si no resulta
verosímil que hubiésemos podido obtener una correlación de esa
magnitud en la muestra y si, en realidad, en el grupo completo no
hubiera correlación alguna.

Específicamente, determinamos si esa verosimilitud es menor que

algún bajo grado de probabilidad (p), como un 5% o un 1%. Si esa
verosimilitud es tan baja, decimos que la correlación es
“estadísticamente significativa” con “p < 0.05” o “p < 0.01”

El coeficiente de correlación describe la dirección de causalidad

(que variable influye en que variable) y el grado de la correlación
lineal (intensidad o fuerza) entre dos variables. Mayores valores de
r (valores alejados de 0) indican un mayor grado de correlación.
MTRA. ALEIDA
Decimos que una correlación es significativa si no resulta
verosímil que hubiésemos podido obtener una correlación de esa
magnitud en la muestra y si, en realidad, en el grupo completo no
hubiera correlación alguna.

Específicamente, determinamos si esa verosimilitud es menor que

algún bajo grado de probabilidad (p), como un 5% o un 1%. Si esa
verosimilitud es tan baja, decimos que la correlación es
“estadísticamente significativa” con “p < 0.05” o “p < 0.01”

El coeficiente de correlación describe la dirección de causalidad

(que variable influye en que variable) y el grado de la correlación
lineal (intensidad o fuerza) entre dos variables. Mayores valores de
r (valores alejados de 0) indican un mayor grado de correlación.
MTRA. ALEIDA
En ocasiones es erróneo pensar en la correlación de una muestra
(rango limitado de los valores) como si se aplicara a todo el rango
de valores que podría tener la variable. Esta situación se denomina
restricción del rango.
Ejemplo: “Los conocimientos de Geografía de un niño, tendrá
mayor correlación con su grado de avance en educación, si se
consideran los seis años de primaria, que si solo se comparan los 3
primeros años”
La reducción en una correlación, debido a la falta de confiabilidad
(cuando las medidas son poco confiables) de las medidas, se
denomina atenuación.
La corrección por atenuación, supone que mediante fórmulas
puede determinarse el grado de confiabilidad de las medidas.
MTRA. ALEIDA
Se denomina matriz de correlación al diseño de una tabla donde se
observa la correlación entre varias variables.

Generalmente cada variable aparece tanto en la parte superior como

en el margen izquierdo de la tabla, y la correlación entre cada par de
variables se indica dentro de la tabla.

MTRA. ALEIDA