El documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman mide la correlación entre dos variables aleatorias continuas utilizando los rangos de cada variable. Ambos coeficientes oscilan entre -1 y 1, indicando correlaciones negativas o positivas respectivamente.
1. República Bolivariana de Venezuela.
Ministerio del Poder Popular para la Educación.
I.U.P. Santiago Mariño.
Sede Barcelona.
Profesor:
Pedro Beltrán
Sección IV
Bachiller:
Betania Hernández
C.I 24.708.674
Barcelona, julio del 2015.
2. Los coeficientes de correlación son medidas que
indican la situación relativa de los mismos
sucesos respecto a las dos variables, es decir, son
la expresión numérica que nos indica el grado de
relación existente entre las 2 variables y en qué
medida se relacionan. Son números que varían
entre los límites +1 y -1.
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 cálculo del coeficiente
de correlación
normalmente se realiza
con programas de
estadística, como SPSS y
SAS, para dar los valores
posibles más precisos en
estudios científicos. Su
interpretación y uso varía
de acuerdo con el
contexto y propósito del
respectivo estudio en
donde se calcula.
3. Para cantidades grandes de información, el calculo puede ser
tedioso.
Reporta un valor de correlación cercano a -1 como indicador de que
hay una relación linear negativa entre las dos variables.
Interpreta el coeficiente de correlación de acuerdo con el contexto de
los datos particulares.
un valor mayor a cero que se acerque a 1 da como resultado una
mayor correlación positiva entre la información.
Se usa para indicar la situación relativa de los mismos sucesos
respecto a las dos variables, es decir, la expresión numérica que nos
indica el grado de relación existente entre las 2 variables y en qué
medida se relacionan.
4. Se limita
significativamente si no se
afirma con una cierta
probabilidad, que es
diferente de cero
En cambio una
correlación nula no implica
la independencia de
variables
No refleja cambios en los
patrones de compra
conforme pasa el tiempo y
para las cantidades grandes
de información , este
método puede ser tedioso
Los resultados del
coeficiente de correlación
están acotados entre -1 y
+1. Esta característica nos
permite comparar diversas
correlaciones de una
manera más estandarizada.
Requiere datos de
cantidad solo del periodo
base
Cuando en el fenómeno
estudiado las dos variables
son cuantitativas se usa el
coeficiente de correlaciones
de Pearson
5. En la actualidad estadística se aprende a testear hipótesis aplicando una
secuencia de pasos mas o menos estandarizada, hay que recordar que
pearson en su métodos estadísticos para investigadores tenia de un lado a
Fisher y de otro a Neyman; Donde cada uno desarrollo las llamadas pruebas de
Hipótesis.
Mediante esta teoría, se aborda el problema estadístico considerando una
hipótesis determinada y una hipótesis alternativa , y se intenta dirimir cuál
de las dos es la hipótesis verdadera, tras aplicar el problema estadístico a un
cierto número de experimentos
Covariación negativa
de alta intensidad
Máxima covariación
negativa
6. Coeficiente de Correlación de
Sperman
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,
indicándonos asociaciones negativas o positivas
respectivamente, 0 cero, significa no correlación pero
no independencia.
Se tiene que considerar la existencia de datos
idénticos a la hora de ordenarlos, aunque si éstos
son pocos, se puede ignorar tal circunstancia. Se
usa para identificar si dos variables se relacionan en
una función monótona (es decir, cuando un número
aumenta, el otro también o viceversa).
El coeficiente de
correlación de
Spearman es menos
sensible que el de
Pearson para los
valores muy lejos de
lo esperado. En este
ejemplo: Pearson =
0.30706 Spearman =
0.76270
7. 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.
Este coeficiente es denominado por la letra griega ρs (rho), aunque
cuando nos situamos en el contexto de la Estadística Descriptiva se
emplea la notación rs .
Donde d es la distancia existente entre los puestos que ocupan las
puntuaciones correspondientes a un sujeto i cuando estas
puntuaciones han sido ordenadas para X y para Y.
8. No requieren poblaciones
normalmente distribuidas.
Al ser Spearman una técnica no
paramétrica es libre de
distribución probabilística.
Pueden ser aplicados a una
amplia variedad porque ellos no
tienen los requisitos rígidos de los
métodos paramétricos
correspondientes.
La manifestación de una
relación causa-efecto es posible
sólo a través de la comprensión
de la relación natural que existe
entre las variable y no debe
manifestarse sólo por la
existencia de una fuerte
correlación(1,5).
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.
Tienden a perder información
porque los datos numéricos
exactos son frecuentemente
reducidos a una forma
cualitativa
9. Enfoque psicométrico de los factores de la inteligencia (Spearman,
Catell, Thurstone) .El enfoque psicométrico utiliza técnicas de análisis
factorial con la idea de descubrir las diferencias individuales de la
inteligencia entre las personas. Para ello se recurre al uso de los tests
de inteligencia.Spearman distingue dos factores: el factor “G” y el factor
“S”. El “G” es la inteligencia general (común a la mayoría de las
personas). El “S” son las habilidades específicas de la inteligencia
(verbal, numérica, espacial, etc.)