Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERIA
CARRERA DE INGENIERIA INDUSTRIAL
GRUPO 18
AGUILAR SANCHEZ JESS
REYNALDO
MAMANI PACO MILTON
PAXI TOLA ROBERTO
COEFICIENTE DE
CORRELACIN
INTRODUCCIN
Antes de introducirnos en el modelo de regresin lineal, que hace referencia a la
naturaleza de la relacin entre distintas variables, pasaremos a exponer el
estadstico utilizado para medir la magnitud de la relacin (supuestamente lineal)
entre dichas variables. Tiene sentido darle un tratamiento aparte por su
importancia y las continuas referencias que ofreceremos a lo largo de este texto.
Comenzaremos su desarrollo, por razones de simplicidad, para el caso particular
de dos variables.
En estadstica, el coeficiente de correlacin de Pearson es una medida de la
relacin lineal entre dos variables aleatorias cuantitativas. A diferencia de la
covarianza, la correlacin de Pearson es independiente de la escala de medida de
las variables.
CONCEPTO
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 xy r
entonces:
INTERPRETACIN
Varios grupos de puntos (x, y), con el coeficiente de correlacin para cada grupo.
Ntese que la correlacin refleja la no linealidad y la direccin de la relacin lineal.
En la figura del centro, la varianza de y es nula, por lo que la correlacin es
indeterminada.
Desde este enfoque una correlacin es efectiva si puede afirmarse que es distinta
de cero. Pero ha de decirse que una correlacin significativa no necesariamente
ha de ser una correlacin fuerte; simplemente es una correlacin diferente de
cero. O en otros trminos, es una correlacin que es poco probable que proceda
de una poblacin cuya correlacin es cero. Tan solo se est diciendo que se ha
obtenido "algo" y que ese "algo" es (probablemente) ms que "nada".
1 r 1
Ejemplos
Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:
Matemticas Fsica
2 1
3 3
4 2
4 4
5 4
6 4
6 6
7 4
7 6
8 7
10 9
10 10
xi yi xi yi xi 2 yi2
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
2 Calculamos la covarianza.
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
xi yi fi x i fi x i 2 fi y i fi y i 2 fi x i y i fi
0 1 2 0 0 2 2 0
0 2 1 0 0 2 4 0
0 3 2 0 0 6 18 0
2 1 1 2 4 1 1 2
2 2 4 8 16 8 16 16
2 3 5 10 20 15 45 30
4 1 3 12 48 3 3 12
4 2 2 8 32 4 8 16
20 40 120 41 97 76
EJEMPLO
Y=aXb
Log Y=log a+blog x
n xiy i x i y i
r=
(n x ( x ) )( n y ( y ) )
2
i i
2 2
i i
2
76.366.504 2(723.2912.434 2)
r=
( 712.5 )(6.50412.434)
r=0.97
FUNCION EXPONENCIAL
n xiy i x i y i
r=
(n x ( x ) )( n y ( y ) )
2
i i
2 2
i i
2
7728.566 2(7123.48428.6312)
r=
( 7295.97 )(6628.63)
r=0.998
http://core.ecu.edu/psyc/wuenschk/docs30/corr6430.doc