Вы находитесь на странице: 1из 6

MTODO DE CORRELACIN, PEARSON

El coeficiente de correlacin es una medida de asociacin entre dos variables y se


simboliza con la literal r.
Los valores de la correlacin van de + 1 a - 1, pasando por el cero, el cual
corresponde a ausencia de correlacin. Los primeros dan a entender que existe
una correlacin directamente proporcional e inversamente proporcional,
respectivamente.
De lo anterior referimos que:
+1 -1 = Correlacin perfecta.
0.95 = Correlacin fuerte.
80% = Correlacin significativa.
70% = Correlacin moderada.
50% = Existe una relacin parcial.
Las 3 grficas en coordenadas cartesianas posteriores, se muestra la variable
independiente (X) se ubica en las abscisas y la dependiente (Y) en el eje de las
ordenadas. Los coeficientes de correlacin significan esa asociacin entre los
cambios que se observan en la variable dependiente con respecto a la variable
independiente.
La grfica (a) representa una correlacin positiva, es decir, conforme los valores
de X aumentan, tambin aumentan los valores de Y. A su vez, la grfica (b)
muestra una correlacin negativa, de modo que al incrementarse los valores de la
variable independiente, los valores de la dependiente disminuyen. La grfica (c) no
indica correlacin.

El coeficiente de correlacin lineal de Pearson se define matemticamente con la


ecuacin siguiente:

Donde:
r = coeficiente de correlacin de Pearson.
xy = sumatoria de los productos de ambas variables.
x = sumatoria de los valores de la variable independiente.
y = sumatoria de los valores de la variable dependiente.
x2 = sumatoria de los valores al cuadrado de la variable independiente.
y2 = sumatoria de los valores al cuadrado de la variable dependiente.
N = tamao de la muestra en funcin de parejas.
Este procedimiento estadstico es aplicable cuando las observaciones se miden
segn una escala de intervalo, por otra parte, el fenmeno debe ser lineal.
Al igual que las otras pruebas paramtricas, la varianza de las variables X y Y
deben guardar homogeneidad.
Pasos.

Ordenar los valores de la variable dependiente (Y) con respecto a los


valores de la variable independiente (X).
Elevar al cuadrado cada valor X y de Y.
Obtener los productos de X y Y, para lo cual se deben multiplicar
independientemente ambos valores.
Efectuar las sumatorias x, y, x2, y2, y xy.
Calcular el tamao de la muestra en funcin de parejas de X y Y.
Aplicar la ecuacin.
Calcular los grados de libertad (gl): gl = N parejas -1.
Comparar el valor de r calculado en la tabla de valores crticos de t de
Kendall en funcin de la probabilidad.
Decidir si se acepta o rechaza la hiptesis.

Ejemplo:
Eleccin de la prueba estadstica para medir la asociacin o correlacin. Las
edades en das estn en escala de tipo intervalo, tenemos dos variables, entonces
aplicamos esta prueba.
Objetivo: Conocer que grado de asociacin existe entre la edad y peso corporal de
nios de edades desde el nacimiento hasta los 6 meses.
Hiptesis.
Ha. Entre las observaciones de edad de los nios y peso corporal existe
correlacin significativa.
Ho. Entre las observaciones de edad de los nios y pero corporal no existe
correlacin significativa.

gl = 21 - 2 = 19
a = 0.05
rc = 0.91
rt = 0.444
rc > rt se rechaza Ho. Entre las variables edad del nio y el peso corporal existe
una correlacin muy significativa. Elevando r al cuadrado obtenemos el error
existente r2 = 0.8281 = 0.83, donde el 83% de los cambios observados en el peso
de los nios se debe a los incrementos de la edad, sin embargo, el 17% se ignora.
Creamos ahora una grfica (hecha con el programa estadstico SPSS) para
representar la correlacin obtenida. Encontramos entonces una correlacin
positiva, es decir, conforme la edad aumenta, tambin aumenta el peso corporal
de los nios.

Regresin Lineal Simple y Mltiple.

Regresin lineal simple


El caso ms simple de regresin lineal ajusta a la ecuacin de la recta los valores
de la variable independiente X1 a la variable dependiente Y, es decir:
Y = b0+b1X1,
Donde b0 es la ordenada en el origen y b 1 es la pendiente de la recta. El ajuste a
esta ecuacin (mediante mnimos cuadrados) se caracteriza por la obtencin de
b0, b1 y el coeficiente de correlacin r.
Regresin lineal mltiple.
La regresin lineal mltiple se basa en obtener una relacin lineal entre un
conjunto de variables independientes X 1,.. Xn con una variable dependiente Y, es
decir:
Y = b0+b1X1+b2X2+b3X3+ +bnXn.
El xito de determinar una correlacin lineal mltiple es que exista una correlacin
lineal simple de cada variable independiente con la variable dependiente.
El estudio de la relacin lineal simple y mltiple en R se realiza de la misma forma
y se recoge en el script Regresin Lineal. Para ello se utiliza la funcin de
regresin lineal lm(). Dicha funcin esta definida por una variable dependiente, y
una o varias variables independientes (si es una variable independiente estamos
trabajando con una regresin lineal simple; si son varias las variables entonces es
una regresin mltiple). Por ello, se ha de indicar a la funcin lm() cul es la
variable dependiente y cuales son las independientes. La forma de expresarse en
R es: variable dependiente ~ variable/s independiente/s.
Por ejemplo:

La variable dependiente Y en funcin de X1: Y~ X1

La variable dependiente Y en funcin de X1 y X2: Y~ X1+X2

La variable dependiente Y en funcin de todas las variables independientes


(se usa el .): Y~.

Por ltimo, siempre resulta prctico comprobar grficamente los valores del
modelo terico con los valores experimentales con el objeto de cuantificar la
bondad del modelo y evaluar si el modelo se ajusta para todo el intervalo de
valores.

http://semestedu.blogspot.mx/2012/06/metodo-de-correlacion-pearson.html
http://web.ua.es/es/lpa/docencia/analisis-estadistico-de-datos-geoquimicos-conr/regresion-lineal-simple-y-multiple-regresion-no-lineal.html