1. República Bolivariana de Venezuela.
Ministerio del poder popular para la educación superior.
I.U.P. Santiago Mariño.
Sede Barcelona.
Barcelona, julio del 2015.
Bachiller:
López, Andreina
C.I 25.388.231
Sección : IV
Profesor:
Pedro Beltrán
2. Es un índice estadístico que mide la
relación lineal entre dos variables
cuantitativas. A diferencia de la
covarianza la correlación de Pearson
es independiente de la escala de
medida de las variables. El calculo
del coeficiente de correlación lineal
se realiza dividiendo la covarianza
por el producto de las desviaciones
estándar de ambas variables.
El fundamento del coeficiente de
Pearson es el siguiente: Cuanto más
intensa sea la concordancia (en sentido
directo o inverso) de las posiciones
relativas de los datos en las dos
variables, el producto del numerador
toma mayor valor (en sentido absoluto).
Si la concordancia es exacta, el
numerador es igual a N (o a -N), y el
índice toma un valor igual a 1 (o -1).
3. •Identifica el dependiente variable que se probara entre dos observaciones
derivadas independientemente . uno de los requisitos es que las dos
variables que se comparan deben observarse o medirse de manera
independiente.
•Para cantidades grandes de información ,el calculo puede ser tedioso.
•Reporta un valor de correlación cercano a 0 como un indicador de que no
hay relación lineal entre las dos variables.
•Reporta un valor de correlación cercano a 1 como indicador de que existe
una relación lineal positiva entre las dos variables .un valor mayor a cero
que se acerque a 1 da como resultado una mayor correlación positiva entre
la información.
4. •Reporta un valor de correlación cercano a
-1 como indicador de que hay una relación
lineal negativa entre las dos variables.
•Interpreta el coeficiente de correlación de
acuerdo con el contexto de los datos
particulares. El valor de correlación es
esencialmente un valor arbitrario que debe
aplicarse de acuerdo con las variables.
•Determina la importancia de los
resultados. Esto se logra con el uso del
coeficiente de correlación , grados de
libertad y una tabla de valores críticos del
coeficiente de correlación. Los grados de
libertad se calculan como el numero de las
dos observaciones menos 2.
5. •No refleja cambios en los patrones
de compra conforme pasa el tiempo y
para las cantidades grandes de
información , este método puede ser
tedioso.
•Se limita significativamente si no se
afirma con una cierta probabilidad,
que es diferente de cero.
•Requiere datos de cantidad solo del
periodo base.
•Es un índice de fácil ejecución e,
igualmente, de fácil interpretación.
•los resultados del coeficiente de
correlación están acotados entre -1 y
+1. Esta característica nos permite
comparar diversas correlaciones de
una manera más estandarizada.
6. -Observa que los datos tipificados (expresados como puntuaciones z) en las
dos columnas de la derecha tienen los mismos valores en ambas variables,
dado que las posiciones relativas son las mismas en las variables X e Y.
Si obtenemos los productos de los valores tipificados para cada caso, el
resultado es:
-El cociente de dividir la suma de productos (5) por N (hay que tener en
cuenta que N es el número de casos, NO el número de datos) es igual a 1:
7. Es una medida de la correlación entre dos variables aleatorias continuas.
Este coeficiente es una medida de asociación lineal que utiliza los rangos
,números de orden , de cada grupo de sujetos y compara dichos rangos.
La interpretación de coeficiente de Spearman es igual que la del coeficiente
de correlación de Pearson. Oscila entre -1 y +1,indicandonos asociaciones
negativas o positivas respectivamente ,0 cero, significa no correlación pero
no independencia.
8. •Para aplicar el coeficiente de correlación de Spearman se requiere que las
variables estén medidas al menos en escala ordinal ,es decir, de forma que
las puntuaciones que las representan puedan ser colocadas en dos series
ordenadas.
•La fórmula de cálculo para Rs puede derivarse de la utilizada en el caso
de Rxy; bastaría aplicar el coeficiente de correlación de Pearson a dos
series de puntuaciones ordinales, compuestas cada una de ellas por los n
primeros números naturales.
9. •Pueden ser aplicados a una amplia
variedad porque ellos no tienen los
requisitos rígidos de los métodos
paramétricos correspondientes.
•No requieren poblaciones
normalmente distribuidas.
•Pueden frecuentemente ser
aplicados a datos no numéricos, tal
como el género de los que contestan
una encuesta.
•Al ser Spearman una técnica no
paramétrica es libre de distribución
probabilística.
•Tienden a perder información
porque datos numéricos exactos son
frecuentemente reducidos a una
forma cualitativa.
•Las pruebas no paramétricas no
son tan eficientes como las pruebas
paramétricas, de manera que con
una prueba no paramétrica
generalmente se necesita evidencia
más fuerte (así como una muestra
más grande o mayores diferencias)
antes de rechazar una hipótesis
nula.
10. La siguiente tabla muestra el rango u orden obtenido en la primera evaluación
(X) y el rango puesto obtenido en la segunda evaluación (Y) de 8 universitarios
en la asignatura de Estadística. Calcular Coeficiente de correlación por rangos
de Spearman.