Ensayo de Matriz Correlacin

Introduccin:
Una matriz de correlacin depende de varios parmetros como, los coeficientes de
correlacin, la covarianza, y la existencia de sentido entre las variables, al
formarse esta matriz especifica la forma en que se relacionan las variables entre
s, su dimensin es de n filas y columnas debido a esto es simtrica.
La matriz de correlacin presenta algunas caractersticas propias como el valor de
su diagonal que es uno, cuando existen valores cero se debe interpretar que no
existe relacin de las variables y si es positivo o negativo las proyecciones crecen
o decrecen respectivamente.
El coeficiente de correlacin se puntualiza como la covarianza entre alas variables,
la covarianza indica si existe una dependencia entre las variables su uso es
complejo gracias a la dependencia de la escala de medicin, el coeficiente de
correlacin esta dado entre el cociente de la covarianza y el producto de las
desviaciones tpicas de las variables.

Desarrollo:
La matriz de correlacin es una matriz conformada por n filas y por n columnas,
adems es una matriz simtrica debido a que los valores de los elementos aij de la
matriz, son los mismos valores en los elementos aji de la matriz. Esta matriz
detalla cmo se encuentran relacionadas cada una de las variables con otra
variable y presenta ciertas caractersticas:

Su diagonal mantiene el valor de 1.

Si tiene un valor 0, expresa que no tiene ninguna relacin con esa variable,

por lo menos no lineal (relacin de un grado >= 2)

Cuando la correlacin es positiva, la proyeccin de la regresin lineal va a
tender a crecer simultneamente con la contra variable.

Cuando la correlacin es negativa, la proyeccin de la regresin lineal va a

tender a decrecer simultneamente con la contra variable.

La matriz de correlacin se puede utilizar en caso de estar analizando una

distribucin n-dimensional con n>2, esta se la construye a partir de los coeficientes
de correlacin.
El coeficiente de correlacin entre dos variables puede definirse como
la covarianza existente entre sus dos variables tipificadas, es un valor que indica el
grado de variacin conjunta de dos variables aleatorias. La covarianza es el dato
bsico para determinar si existe una dependencia entre ambas u otros parmetros
como el coeficiente de correlacin.
La covarianza entre dos variables: y1 y y2, est dado por:

Cov( y1 , y 2 ) ( y1 1 )( y 2 2 )
El uso de la covarianza como medida es compleja, ya que su valor depende de la
escala de medicin, debido a esto es difcil saber si una covarianza es grande,
este problema se puede solucionar generalizando su valor por medio del
coeficiente simple de correlacin lineal relacionado con la covarianza:

Cov( y1 , y 2 )
1 2

El coeficiente de correlacin es el cociente entre la covarianza y el producto entre

las desviaciones tpicas de ambas variables:
r=

xy
xy

El coeficinte de correlacin presenta algunas propiedades:

Su valor es el mismo en cualquier escala de medicin.

Su signo es el mismo de la covarianza
Toma valores entre 1 y -1

Los valores que tome el coeficinte de correlacin deben ser interpretados as:

r=1.0 a0.5 (Inversa) o 1.0 a 0.5 (directa) Fuerte

r=0.5 a0.3 o 0.3 a 0.5 Moderada
r=0.3 a0.1 o 0.1 a 0.3 Dbil

r=

0.1 a 0.1 Ninguna o muy dbil

Conclusiones:

La correlacin en la estadstica constituye una tcnica que nos indica si dos

variables estn relacionadas o no.

Los coeficientes de correlacin ms utilizados slo miden una relacin

lineal. Debido a que si existe una fuerte relacin no lineal entre
las variables, el coeficiente de correlacin pude tomar valores cerca de 0 o
igual a 0.
Existen momentos en que el valor del coeficiente de relacin pierde sentido
alguno ya que se lo calcula entre variables no relacionales como, por
ejemplo: el rendimiento de los estudiantes y el gasto diario en pasajes.

Una matriz de correlacin se construye a partir de los coeficientes de

correlacin de n filas y columnas, adems es simtrica, en esta matriz se
puede observar cmo se relacionan las variables una con otra.

El coeficiente correlacin es apropiada para examinar la relacin entre

datos cuantificables significativos, por ejemplo, la presin atmosfrica, la
temperatura, etc.

Bibliografa
Douglas A. Lind, W. G. (2008). Estadistica aplicada a los negocios y la
economia. Mexico: Mc Graw Hill.