Universidad Mariano Glvez de Guatemala

Facultad ciencias de la Administracin

Centro Universitario el Naranjo
Plan de fin de semana / 4:00 a 6:00 PM
Curso Estadstica I / seccin A
Ciclo Acadmico IV
Presentacion 1
Elder Ivn Cifuentes Pirir / 9421 -15-16562
Erick Rodrigo Espinoza Mendoza / 9421-15-3371
Allan Stuardo Mendoza Hernndez /9421-15-13834
Carlos Menndez / 5/11/2016

Correlacin Lineal
1.0 DEFINICION: El trmino correlacin literalmente significa relacin mutua; de este modo, el anlisis de
correlacin mide e indica el grado en el que los valores de una variable se relacionan con los valores de otra. Ms
exactamente, el anlisis que se ocupa de medir la relacin entre una sola variable independiente y la variable
dependiente se llama anlisis de correlacin simple. Muchos son los casos que se pueden mencionar como ejemplos
en los que puede existir una relacin posible entre dos variables podran ser: Tienden a tener mayor escolaridad las
personas con altos ingresos, en comparacin con las de bajos ingresos? Puede el xito en el trabajo pronosticarse a
partir de las calificaciones obtenidas en los exmenes de seleccin? Entre mayor preparacin se tenga tus
habilidades de liderazgo sern mayores?.
2.0 ASOCIACION: Estos y problemas semejantes se prestan a un anlisis de correlacin. El resultado de un anlisis de
este tipo es un coeficiente de correlacin, valor que cuantifica el grado de correlacin. Este grado o intensidad de
relacin entre dos variables continuas, se resume mediante un coeficiente de correlacin que se conoce como r de
Pearson en honor del matemtico Karl Pearson (el mismo del coeficiente que mide la asimetra).
3.0 CORRELACION POSITIVA Y NEGATIVA: La correlacin puede decir algo acerca de la relacin entre las
variables. Se utiliza para entender:
si la relacin es positiva o negativa la fuerza de la relacin. La correlacin es una herramienta poderosa que brinda piezas
vitales de informacin.
En el caso del ingreso familiar y el gasto familiar, es fcil ver que ambos suben o bajan juntos en la misma direccin. Esto
se denomina correlacin positiva.
En caso del precio y la demanda, el cambio se produce en la direccin opuesta, de modo que el aumento de uno est
acompaado de un descenso en el otro. Esto se conoce como correlacin negativa.

4.0 ESCALA DE CORRELACION PEARSON: Si tenemos dos variables cuantitativas y deseamos medir el grado de
asociacin podemos utilizar el coeficiente de correlacin de Pearson. En primer lugar, es muy aconsejable realizar un
grfico de dispersin entre ambas variables y estudiar visualmente la relacin entre ellas. Este coeficiente mide asociacin
lineal y al ser una prueba paramtrica requiere para su uso que ambas variables tengan distribuciones normales 1. De no ser
as, deberemos utilizar el coeficiente no paramtrico de Spearman.
El coeficiente de correlacin de Pearson (r) puede tomar valores entre -1 y +1, de modo que un valor de r positivo nos
indica que al aumentar el valor de una variable tambin aumenta el valor de la otra (Figura 1A), y por el contrario, r ser
negativo si al aumentar el valor de una variable disminuye la otra (Figura 1B). La correlacin ser perfecta si r= 1, en

este caso los puntos formarn todos una recta. Es importante a priori determinar qu valor de r vamos a considerar como
clnicamente relevante, puesto que una correlacin tan baja como r= 0,07 sera significativa (p=0,027) con un tamao
muestral de unas 1000 personas. Al igual que cualquier otro parmetro, conviene darlo con sus correspondientes intervalos
de confianza. Un coeficiente de correlacin significativo, lo nico que nos indica es que es bastante improbable que en
nuestra poblacin r sea cero, y por tanto su intervalo de confianza no incluir el cero.
5.0 ESCALA DE CORRELACION SPEARMAN: l igual que el coeficiente de Pearson, tambin podemos utilizarlo para
medir el grado de asociacin entre dos variables cuantitativas, sin embargo no es necesario que ambas variables sean
normales, e incluso lo podemos utilizar en variables ordinales. Como todas las pruebas no paramtricas, este coeficiente se
construye sustituyendo los valores de las variables por sus rangos o posiciones, si los valores de las variables fuesen
ordenados de menor a mayor. Al contrario de otras pruebas no paramtricas, si permite construir intervalos de confianza 1.
La interpretacin de este coeficiente es muy similar al de Pearson, pudiendo alcanzar valores de entre -1 y +1 indicando
asociacin negativa o positiva respectivamente. Tanto el coeficiente r de Pearson como el coeficiente rho de Spearman,
son medidas adimensionales por lo que no poseen unidades.
6.0 Este procedimiento estadstico para medir la correlacin o asociacin es complementario del coeficiente de
correlacin parcial de Kendall; a su vez, es una segunda opcin de la correlacin de Spearman.
La razn por la que se expone este modelo estadstico se debe a la necesidad de comprender la mecnica aritmtica y la
interpretacin de la prueba, pues se requiere conocerla para realizar el coeficiente parcial de Kendall.
La frmula es la siguiente:

Donde:
t (tau) = coeficiente de correlacin de Kendall.
S = puntuacin efectiva de los rangos.
N = tamao de la muestra en parejas de variables.
EJEMPLO

y
3
5
9
10
20
21
24
24
27
35
178
1.

x
100
90
80
45
50
50
60
40
25
20
560

Primer paso es calcular la media de X y Y

x
n

560/10= 56

Universidad Mariano Glvez de Guatemala

Facultad ciencias de la Administracin
Centro Universitario el Naranjo
Plan de fin de semana / 4:00 a 6:00 PM
Curso Estadstica I / seccin A
Ciclo Acadmico IV
Presentacion 1
Elder Ivn Cifuentes Pirir / 9421 -15-16562
Erick Rodrigo Espinoza Mendoza / 9421-15-3371
Allan Stuardo Mendoza Hernndez /9421-15-13834
Carlos Menndez / 5/11/2016

y
n

178/10= 17.8

2. Segundo paso: Sacar la columna (x - ) a todos los datos de la columna X la media

3. Tercer paso: Sacar la columna (y ) a todos los datos de la columna Y restarle su media
4. Cuarto paso: Sacar la columna (x - ) a todos los datos de X restarle su media y luego
elevar el resultado al cuadrado
5. Quinto paso: Sacar la columna (y - ) a todos los datos de Y restarle su media y luego
elevar el resultado al cuadrado
6. Sexto paso: Sacar la columna (x - )(y - ) el resultado de los datos (x - ) multiplicarlos
por los datos de (y - ) .
y

x-

y-

(x - )

(y - )

3
5
9
10
20
21
24
24
27
35
178

100
90
80
45
50
50
60
40
25
20
560

44
34
24
-11
-6
-6
4
-16
-31
-36

-14.8
-12.8
-8.8
-7.8
2.2
3.2
6.2
6.2
9.2
17.2

1936
1156
576
121
36
36
16
256
961
1296
6390

219.04
163.84
77.44
60.84
4.84
10.24
38.44
38.44
84.64
295.84
993.6

7. Realizar la formula de coeficiente de correlacin.

r=

( x ) ( y )
2
2
( x ) ( Y )

(x - )(y
- )
-651.2
-435.2
-211.2
85.8
-13.2
-19.2
24.8
-99.2
-285.2
-619.2
-2223