Anda di halaman 1dari 6

Repblica Bolivariana de Venezuela.

Universidad Nacional Experimental Politcnica


"Antonio Jos de Sucre"
Vice-Rector "Luis Caballero Mejas"
Ncleo Charallave.

Asignacin: probabilidad y estadstica

Coeficiente de
correlacin lineal

Prof.:
Bachillerer:

Jaime Garrido
Osgreily Sanchez

Exp. 2012157125
Charallave noviembre, 2016

COEFICIENTE DE CORRELACIN LINEAL DE PEARSON

Coeficiente de correlacin lineal de Pearson

El coeficiente de correlacin de Pearson, pensado para variables cuantitativas (escala


mnima de intervalo), es un ndice que mide el grado de covariacin entre distintas
variables relacionadas linealmente. Advirtase que decimos "variables relacionadas
linealmente". Esto significa que puede haber variables fuertemente relacionadas, pero no
de forma lineal, en cuyo caso no proceder a aplicarse la correlacin de Pearson. Por
ejemplo, la relacin entre la ansiedad y el rendimiento tiene forma de U invertida;
igualmente, si relacionamos poblacin y tiempo la relacin ser de forma exponencial. En
estos casos (y en otros muchos) no es conveniente utilizar la correlacin de Pearson.
Insistimos en este punto, que parece olvidarse con cierta frecuencia.

El coeficiente de correlacin de Pearson es un ndice de fcil ejecucin e, igualmente, de


fcil interpretacin. Digamos, en primera instancia, que sus valores absolutos oscilan entre
0 y 1. Esto es, si tenemos dos variables X e Y, y definimos el coeficiente de correlacin de
Pearson entre estas dos variables como rxy entonces:

0 rxy 1

Hemos especificado los trminos "valores absolutos" ya que en realidad si se contempla el


signo el coeficiente de correlacin de Pearson oscila entre 1 y +1. No obstante ha de
indicarse que la magnitud de la relacin vienen especificada por el valor numrico
del coeficiente, reflejando el signo la direccin de tal valor. En este sentido, tan fuerte
es una relacin de +1 como de -1. En el primer caso la relacin es perfecta positiva y en el
segundo perfecta negativa. Pasamos a continuacin a desarrollar algo ms estos conceptos.

Decimos que la correlacin entre dos variables X e Y es perfecta positiva cuando


exactamente en la medida que aumenta una de ellas aumenta la otra. Esto sucede cuando la
relacin entre ambas variables es funcionalmente exacta. Difcilmente ocurrir en
psicologa, pero es frecuente en los ciencias fsicas donde los fenmenos se ajustan a leyes
conocidas, Por ejemplo, la relacin entre espacio y tiempo para un mvil que se desplaza a
velocidad constante. Grficamente la relacin ser del tipo:

1500,00

1000,00
Espacio
500,00

0,00

0,00 5,00 10,00 15,00 20,00


Tiempo

Se dice que la relacin es perfecta negativa cuando exactamente en la medida que aumenta
una variable disminuye la otra. Igual que en el caso anterior esto sucede para relaciones
funcionales exactas, propio de las ciencias fsicas. Por ejemplo, la relacin entre presin y
volumen se ajusta a este caso. El grfico que muestra la relacin sera del tipo:

20,00

15,00
Volumen

10,00

5,00

0,00

0,00 5,00 10,00 15,00 20,00


Presion

En los fenmenos humanos, fuertemente cargados de componentes aleatorios, no


suelen ser posible establecer relaciones funcionales exactas. Dado un cierto valor en la
variable X no encontraremos uno y solo un nico valor en la variable Y. Por ejemplo, si
relacionamos horas de estudio con el rendimiento acadmico obtendremos mayor
rendimiento a mayor inteligencia, pero ser prcticamente imposible saber con
exactitud la puntuacin que obtendr un sujeto para unas horas determinadas. Dado un
cierto nmero de personas con un mismo nmero de horas, por ejemplo 10, no todos

3
obtendrn exactamente la misma puntuacin en rendimiento. Unos obtendrn ms o menos
en funcin de otras variables, tales como motivacin o personalidad. Si relacionsemos
ambas variables dada una muestra de sujetos tendramos un grfico de las siguientes
caractersticas:

10,000

8,000
Calificacin

6,000

4,000

2,000

5,000 10,000 15,000 20,000 25,000


Horas de estudio

Se observa que para un mismo valor en inteligencia existen diferentes posibles valores en
rendimiento. Se trata de una correlacin positiva pero no perfecta. Este conjunto de
puntos, denominado diagrama de dispersin o nube de puntos tiene inters como primera
toma de contacto para conocer la naturaleza de la relacin entre dos variables. Si tal nube
es alargada -apunta a una recta- y ascendente como es el caso que nos ocupa, es
susceptible de aplicarse el coeficiente lineal de Pearson. El grosor de la nube da una cierta
idea de la magnitud de la correlacin; cuanto ms estrecha menor ser el margen de
variacin en Y para los valores de X, y por tanto, ms acertado los pronsticos, lo que
implica una mayor correlacin.

Si la nube de puntos es alargada y descendente nos encontramos con una correlacin


negativa. Supongamos, en este sentido, que relacionsemos la cantidad de alcohol ingerida
y el grado de memorizacin ante determinados estmulos. Obtendramos un grfico como
el siguiente:

25,00

20,00

15,00
Memoria

10,00

5,00

0,00

0,00 0,20 0,40 0,60 0,80

Alcohol 4
Se observa que a mayor cantidad de alcohol ingerida menor material recordado. Igual que
anteriormente no puede establecerse con exactitud el grado de memorizacin en funcin
del alcohol ingerido, aunque queda claro la tendencia existente.

Por ltimo, si la nube de puntos adopta una configuracin ms o menos redondeada de tal
forma que no pueda especificarse ningn tipo de relacin, nos encontramos con una
correlacin nula. Supongamos que relacionsemos peso con inteligencia. Obtendramos el
siguiente grfico:

Formulas:
Interpretacin

El valor del ndice de correlacin vara en el intervalo [-1,1]:


Si r = 1, existe una correlacin positiva perfecta. El ndice indica una dependencia total
entre las dos variables denominada relacin directa: cuando una de ellas aumenta, la otra
tambin lo hace en proporcin constante.
Si 0 < r < 1, existe una correlacin positiva.
Si r = 0, no existe relacin lineal. Pero esto no necesariamente implica que las variables
son independientes: pueden existir todava relaciones no lineales entre las dos variables
.
Si -1 < r < 0, existe una correlacin negativa.
Si r = -1, existe una correlacin negativa perfecta. El ndice indica una dependencia total
entre las dos variables llamada relacin inversa: cuando una de ellas aumenta, la otra
disminuye en proporcin constante.