ESCUELA NORMAL DE LICENCIATURAEN
EDUCACIÓN PRIMARIA DE CALKINÍ
MÓDULO HOPELCHÉN
PROBABILIDAD Y ESTADITICA
UNIDAD DE APRENDIZAJE I
PROF. Felipe E. Herrera Gómez.
ACTIVIDAD 4
ELABORÓ:
ADIREM CASTILLO FLORES.
ÁMBAR E. HUITZ ROSAS.
ALEJANDRA DE LOS ANGELES
REYESCAMARA.
5to Semestre Grupo: “B”
CICLO ESCOLAR 2023-2024
COEFICIENTE DE CORRELACIÓN
COEFICINTE DE CORRELACIÓN DE
PEARSON
COEFICIENTE DE CORRELACIÓN
El coeficiente de correlación es la medida específica que cuantifica
la intensidad de la relación lineal entre dos variables en un análisis de
correlación. En los informes de correlación, este coeficiente se
simboliza con la r. Para dos variables, la fórmula compara la distancia
de cada dato puntual respecto
a la media de la variable y utiliza
esta comparación para decirnos
hasta qué punto la relación
entre las
variables
se ajusta a
una línea imaginaria trazada entre los datos. A
esto nos referimos cuando decimos que la
correlación examina las relaciones lineales.
¿Qué significan los valores
del coeficiente de
correlación?
El coeficiente de correlación r es un valor sin
unidades entre -1 y 1. La significancia
estadística se indica con un valor p. Por lo
tanto, usualmente las correlaciones se
escriben con dos números clave: r = y p = .
Cuanto más se aproxima r a cero, más
débil es la relación lineal.
Los valores de r positivos indican una correlación positiva, en la que los
valores de ambas variables tienden a incrementarse juntos.
Los valores de r negativos indican una correlación negativa, en la que los
valores de una variable tienden a incrementarse mientras que los valores de
la otra variable descienden.
Los valores 1 y -1 representan una correlación "perfecta" positiva y negativa,
respectivamente. Dos variables perfectamente correlacionadas cambian
conjuntamente a una tasa fija. Decimos que tienen una relación linear;
cuando representados en un gráfico de dispersión, todos los puntos
correspondientes a los datos pueden conectarse con una misma línea recta.
El valor p nos ayuda a determinar si podemos o no concluir de manera
significativa que el coeficiente de correlación de la población es diferente a
cero, basándonos en lo que observamos en la muestra.
:
¿Qué es el valor p?
El valor p es una medida de probabilidad empleada para hacer pruebas de
hipótesis. El objetivo de una prueba de hipótesis es determinar si hay
evidencia suficiente para apoyar una determinada hipótesis sobre los datos.
De hecho, formulamos dos hipótesis: la hipótesis nula y la hipótesis alternativa.
En el análisis de correlación, usualmente, la hipótesis nula expresa que la
relación observada entre las variables es producto del mero azar (esto es,
que el coeficiente de correlación en realidad es cero y no hay una relación
lineal). La hipótesis alternativa expresa que la correlación que hemos medido
está legítimamente presente en nuestros datos (esto es, que el coeficiente de
correlación es distinto a cero).
El valor p es la probabilidad de observar un coeficiente de correlación
distinto a cero en los datos de nuestra muestra cuando en realidad la
hipótesis nula es verdadera. Un valor p bajo nos lleva a rechazar la hipótesis
nula. Un umbral típico para rechazar la hipótesis nula es un valor p de 0,05.
Esto es, si el valor p es inferior a 0,05, rechazaríamos la hipótesis nula en favor
de la hipótesis alternativa: que el coeficiente de correlación es diferente a
cero.
COEFICINTE DE CORRELACIÓN DE
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.
Para llevar a cabo la correlación de Pearson es necesario cumplir lo
siguiente:
La escala de medida debe ser una escala de intervalo o relación.
Las variables deben estar distribuida de forma aproximada.
La asociación debe ser lineal.
No debe haber valores atípicos en los datos.
El coeficiente de correlación de Pearson tiene el objetivo de indicar cuán
asociadas se encuentran dos variables entre sí por lo que:
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.
Cuando las variables son independientes significa que estas se encuentra
correlacionadas, pero esto nos significa que el resultado sea verdadero
.
Dónde:
N = Número de valores o elementos
Σxy = la suma de los productos de las puntuaciones emparejadas
Σx = la suma de puntuaciones x
Σy = la suma de puntuaciones y
Σx2 = Suma de cuadrados Puntuación x
Σy2 = Suma de cuadrados Puntuación y
Ejemplos del coeficiente de correlación de Pearson
Veamos algunos ejemplos visuales para ayudarte a interpretar una tabla de
coeficientes de correlación de Pearson:
Gran correlación positiva
La figura anterior muestra una correlación de casi +1.
Los gráficos de dispersión están casi trazados en línea recta.
La pendiente es positiva, lo que significa que si una variable aumenta, la otra
variable también aumenta, mostrando una línea lineal positiva.
Esto denota que un cambio en una variable es directamente proporcional al
cambio en la otra variable.
Un ejemplo de una gran correlación positiva sería: A medida que los niños
crecen, también lo hacen sus tallas de ropa y zapatos.
Veamos algunos ejemplos del coeficiente de correlación de Pearson para
que puedas apreciar de manera más visual .
La figura anterior muestra una correlación positiva.
La correlación es superior a +0,8 pero inferior a 1+.
Muestra un patrón lineal ascendente bastante fuerte.
Un ejemplo de una correlación positiva media sería: A medida que el número
de automóviles aumenta, también aumenta la demanda en la variable
combustible.
Pequeña correlación negativa
En la figura de arriba, los gráficos de dispersión no están tan cerca de la línea
recta en comparación con los ejemplos anteriores.
Muestra una correlación lineal negativa de aproximadamente -0,5.
El cambio de una variable es inversamente proporcional al cambio de la otra
variable ya que la pendiente es negativa.
Un ejemplo de una pequeña correlación negativa sería, cuanto más come
alguien, menos hambre tiene.
Débil / sin correlación
Los diagramas de dispersión están muy lejos de la línea.
Es difícil dibujar prácticamente una línea.
La correlación es aproximadamente de +0,15
No se puede juzgar que el cambio en una variable es directamente
proporcional o inversamente proporcional a la otra variable.
Un ejemplo de una correlación débil/ninguna sería, un aumento en el precio
del combustible lleva a que menos personas adopten mascotas.
Referencias
https://www.jmp.com/es_co/statistics-knowledge-portal/what-is-correlation/correlation-
coefficient.html
https://www.questionpro.com/blog/es/coeficiente-de-correlacion-de-pearson/
