Coeficiente de correlación y determinación

El coeficiente de correlación de Pearson o r es una prueba estadística que

permite analizar la relación entre dos variables medidas en un nivel por
intervalos o de razón, donde r mide el grado de asociación lineal entre dos
variables X e Y.

El coeficiente r de puede variar de -1 a 1, donde el signo indica la dirección de

la correlación y el valor numérico, la magnitud de la correlación. En este
contexto se resumen algunos criterios de interpretación:

 (-1,00) = correlación perfecta

 (-1,00) – (-0,70) = Correlación negativa buena
 (-0,70) - (-0,40) = Correlación negativa regular
 (-0,40) – (0,00) = Correlación negativa mala
 0,00 = no hay correlación
 (0,00) – (0,40) = Correlación positiva mala
 (0,40) - (0,70) = Correlación positiva regular
 (0,70) – (1,00) = Correlación positiva buena
 (1,00) = correlación perfecta

A continuación, se presentan algunos ejemplos de diagramas de

dispersión con diferentes valores del coeficiente de correlación de Pearson
(poblacional).

Cuando el coeficiente r de Pearson se eleva al cuadrado, el resultado indica

el porcentaje de la variación de una variable debido a la variación de la otra y
viceversa. Es decir, el coeficiente de determinación, r al cuadrado o r², es
la proporción de la variación en Y explicada por X. Puede adoptar cualquier
valor entre 0 y 1, inclusive
EJEMPLO
Coeficiente de correlación “Y “de Pearson
El gerente de ventas de una empresa desea determinar si existe una
relación entre el número de llamadas telefónicas de ventas realizadas en
un mes, y la cantidad de copias vendidas durante ese lapso. El gerente
selecciona al azar una muestra de 10 vendedores y determina el número
de tales llamadas que hizo cada uno el mes anterior y la cantidad de
copias vendidas
vendedor Número de Numero de
llamadas copiadoras 𝑋2 𝑌2 𝑋𝑌
telefónicas vendidas
(X) (Y)
1 20 30 400 900 600
2 40 60 1600 3600 2400
3 20 40 400 1600 800
4 30 60 900 3600 1800
5 10 30 100 900 300
6 10 40 100 1600 400
7 20 40 400 1600 800
8 20 50 400 2500 1000
9 20 30 400 900 600
10 30 70 900 4900 2100
TOTAL 220 450 5600 22100 10800

10(10800)−(220)(450)
𝑟=
√(10(5600)−(220)2 )√(10(22100)−(450)2

𝑟 = 0.759
El signo positivo indica que hay una relación directa entre el número de llamadas a
clientes y la cantidad de productos vendidos. El valor 0.759 está bastante cercano a
1.00, por lo que se concluye que la relación es fuerte
Coeficiente de determinación
𝑟 2 = 0.5761 o 57.61%
Para el ejemplo anterior, este coeficiente de determinación
resultaría r2= (0.759)2 = 0.576 que se interpretaría como sigue:
57.6% de la variación en el número de artículos vendidos se explica
por la variación en el número de llamadas

GRAFICO DE DISPERCION
80
Valores Y
70

60

50

40

30

20

10

0
0 5 10 15 20 25 30 35 40 45

REGRECION LINEAL
𝑦 = 𝑎 + 𝑏𝑥
𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
𝑏=
𝑛(∑ 𝑥 2 )−(∑ 𝑥)2

10(10800)−(220)(450)
𝑏=
10(5600)−(220)2

𝑏 = 1.1842
∑𝑦 ∑𝑥
𝑎= − 𝑏( )
𝑛 𝑛
450 220
𝑎= − 1.1842( )
10 10

𝑎 = 18.9476
Entonces 𝑌 = 18.9476 + 1.1842𝑥
 (-1,00) = correlación perfecta
 (-1,00) – (-0,70) = Correlación negativa buena
 (-0,70) - (-0,40) = Correlación negativa regular
 (-0,40) – (0,00) = Correlación negativa mala
 0,00 = no hay correlación
 (0,00) – (0,40) = Correlación positiva mala
 (0,40) - (0,70) = Correlación positiva regular
 (0,70) – (1,00) = Correlación positiva buena
 (1,00) = correlación perfecta

https://www.youtube.com/watch?v=wpIVG3JsQ6M

Ejemplos:

1. Una empresa comercial tiene establecimientos en

varias ciudades de Chile. El gerente comercial planea
lanzar al aire un anuncio comercial por radio en las
estaciones locales, al menos dos veces antes de una
promoción (liquidación) que empezará el sábado y
terminará el Domingo. Planea tener las cifras de las
ventas de grabadoras de vídeos (Blu-Ray) del sábado y
Domingo en sus diferentes locales y compararlas con el
número de veces que apareció el comercial en la
radio. El objetivo fundamental de la investigación es
determinar si existe relación entre el número de veces
que se transmitió el anuncio y las ventas de sus
productos. Los datos son:

https://www.gestiondeoperaciones.net/estadistica/como-se-relaciona-el-coeficiente-de-correlacion-de-pearson-r-y-el-
coeficiente-de-determinacion-r-cuadrado-r%C2%B2/
2. Se desea saber si el aprovechamiento escolar de nivel
universitario está relacionado con el aprovechamiento
respectivo a nivel de bachillerato. Parecería razonable esperar
que los alumnos tiendan a obtener aproximadamente las
mismas calificaciones en la universidad que en la
preparatoria. Para medir esto, supón que cuentas con la
información que se muestra en la tabla siguiente:

ESTUDIANTE CALIFICACION CALIFICACION

PREPARATORIA UNIVERSIDAD
1 8.7 2.1
2 8.8 1.7
3 8.2 1.0
4 9.8 4.0
5 9.1 2.7
6 8.0 1.0
7 9.1 2.4
8 8.8 2.0
9 9.1 2.4
10 9.6 3.6
11 9.4 3.9
12 9.2 3.0

https://docplayer.es/24639919-Tema-1-correlacion-lineal.html