Correlación: Relación de

Variables Cuantitativas

Métodos Lógico-Cuantitativos
Ciencias de la Comunicación
UDELAR
 Diagrama de Dispersión
• Una de las formas de representar la
distribución conjunta de dos
distribuciones es mediante un
diagrama de dispersión. Este
diagrama se construye
representando cada elemento
observado por un punto en un plano
de manera que sus coordenadas
sobre los dos ejes cartesianos sean
los valores que toman las dos
Diagrama de Dispersión
Datos no agrupados
 
Padre Hijo
1,7 1,74
1,77 1,78
1,68 1,72
1,75 1,77
1,8 1,78
1,75 1,77
1,69 1,71
1,72 1,76
1,71 1,73
1,73 1,74
 Diagrama de Dispersión
• Cuando se estudia la relación entre dos
variables, una puede considerarse causa y
la otra resultado o efecto de la primera.
Llamaremos variable independiente a la
que portulamos que causa el efecto y
variable dependiente a la que
postulamos que lo recibe.
• Por ejemplo, las estaturas de los hijos
puede verse como resultado (variable
dependiente) de la estatura de los padres
(variable independiente).
• Es costumbre representar la variable
dependiente en el eje vertical (ordenadas) y
 Diagrama de Dispersión

• A partir de la
distribución de los
puntos en el Diagrama
de Dispersión
encontramos 4 posibles
relaciones.
Diagrama de Dispersión
B
A

C
 Diagrama de Dispersión
Asociación Lineal

A) Directamente Proporcional

Cuando una variable se mueve en una

dirección la otra variable lo hace en la misma
dirección.
El aumento (la disminución) de las medias
condicionadas de una variable implica el
aumento (la disminución) de las medias
condicionadas en la otra variable.
El coeficiente es positivo (+)
 Diagrama de Dispersión
Sueldos
Años de   0-6000 6000-12000 12000- 18000- 24000-
Servicio 18000 24000 30000

Interval mc 3000 9000 15000 21000 27000 Media

o
0--4 2 19 10 2 0 0 31 5710
4--8 6 23 19 8 5 0 55 8455
8--12 10 16 25 18 9 6 74 12081
12--16 14 12 14 25 24 24 99 17061
16--20 18 0 2 17 32 40 91 22253
70 70 70 70 70 350 15000
Media 7 9 13 15 16 11,87 Media Y

Media
X
 Diagrama de Dispersión
Asociación Lineal

B) Inversamente proporcional

Cuando una variable se mueve en una dirección

•
la otra variable se mueve en la dirección
contraria.
El Crecimiento de la medias de las distribuciones
•

condicionadas en una variable implica el

decrecimiento de la medias condicionadas en
la otra variable.
El coeficiente es negativo (-)
 Diagrama de Dispersión
C) Variables no D) Asociadas en forma
asociadas no lineal

Variables que no están Variables asociadas pero

no en forma lineal,
asociadas. en un trayecto tienen
una asociación
El coeficiente es 0 (cero) directa y en otro
trayecto una
asociación inversa.
Cuando el coeficiente da El 0
coeficiente
no podemos0 (cero)
decir
qué tipo de relación es, el coeficiente de
correlación solo nos permite ver Relación
Lineal.
 COVARIANZA
• Uno de los coeficientes para
medir asociación es la
Covarianza.
• La Covarianza registra la
dispersión conjunta a las medias.
• Se pone por modelo un sistema
en que las medias son 0 (cero) y
la relación no cambia.
 COVARIANZA
• Restamos a cada variable su media,
la relación no se modifica.
ȳ = 2 1
3
ȳ = 0

x̄ = 0

3 4
x̄ = 2
 COVARIANZA
• Mide la variación conjunta a las
medias.
• Sumatoria de los productos de
cada uno de los valores menos la
media sobre N.
• Promedio de laNsumatoria de los
productos, para ( ∑ )(
cada)
xi − x ypar
i − y
cov( x,de
ordenado, y ) = las
i =1 distancias de

las puntuaciones aNla media.

 COVARIANZA
• Los puntos situados en los
cuadrantes primero y tercero
siempre darán un producto positivo,
ya que las coordenadas son siempre
del mismo signo: positivas ambas en
el primero y negativas ambas en el
tercero. Por el contrario, los situados
en el cuadrante segundo y cuarto
siempre proporcionarán un producto
negativo ya que sus coordenadas
COVARIANZA
 COVARIANZA
• La covarianza será positiva si la mayoría
de los puntos se encuentran en los
cuadrantes impares (hay relación
positiva). Esto significa que ambas
variables varían en el mismo sentido, es
decir, que una aumenta cuando la otra
aumenta o que una decrece cuando la otra
lo hace.

• La covarianza será negativa cuando la

mayoría de los puntos estén en los
cuadrantes pares (relación negativa). Esto
significa que las variables varían en
sentido contrario. Es decir, una crece
mientras la otra disminuye.
 COVARIANZA
• Finalmente, la covarianza será próxima a cero cuando no
exista relación entre ambas variables, o existiendo, la
relación será marcadamente no lineal. Esto quiere decir
que no existe una mayoría significativa de puntajes
positivos o negativos.

• En resumen, la covarianza representa una medida de la

relación lineal entre dos variables. Su signo indica
además si la relación es positiva o negativa. La
covarianza vale cero cuando las variables no estan
asociadas o la relación es no lineal.
 COVARIANZA
• La Covarianza permite saber si hay
relación lineal. Covarianza ≠ 0
• Muestra la dirección de la relación
(positiva o negativa según el signo).
• Solo permite conocer el grado de la
relación si las unidades en las que
están medidas las variables son las
mismas. Si se modifican estas
medidas se modifica la covarianza.
• Su medida no es estandarizada
 Coeficiente de correlación

• Medida de asociación entre dos

variables que resume la información
del gráfico de dispersión.
• No depende de las unidades de
medida.
• Tipifica la covarianza dividiéndola por
cov( x, y )
r ( r x)
el producto de las desviaciones
= , y =
estándar de ambas variables.
x S S
y
 Coeficiente de correlación
• Permite saber si hay relación lineal.
Si Covarianza ≠ 0/ r ≠ 0
• Muestra la dirección de la relación
(positiva o negativa según el signo).
• Muestra el grado de la relación, no
importa la unidad de medidas en que
fueron registrados los datos de las
variables.
-1 ≥ r ≤ 1
 Coeficiente de correlación
• Cuando la relación lineal se acerca más
a |1| la relación es más perfecta.
• Cuando la relación es +1 es una
relación perfecta e indica que cuando
crece una variable la otra crece en la
misma proporción.
• Cuando la relación el -1 es una relación
perfecta e indica que cuando crece una
variable la otra decrece en la misma
proporción.
 Coeficiente de correlación
• Ver ejemplo práctico.
 Coeficiente de correlación
A esta altura es bueno recordar que la
Estadística no tiene ninguna
herramienta capaz de detectar
causalidad, las herramientas
estadísticas solo permiten medir
asociación, la causalidad es una
presunción teórica del investigador.
Por lo tanto el Coeficiente de
Correlación tampoco permite
establecer causalidad.