Este documento describe los coeficientes de correlación de Pearson y Spearman. Explica que el coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas continuas con distribuciones normales, mientras que el coeficiente de Spearman no requiere supuestos de distribución y se usa cuando hay valores atípicos. También provee ejemplos del uso de ambos coeficientes para predecir valores y medir la fuerza de la asociación entre variables.
1. coeficientes de correlación de
Pearson y de Sperman
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria, ciencia y tecnología
Instituto universitario politécnico “Santiago Mariño"
Extensión Caracas
materia: estadística I
Estudiante:
. José Misel C.I: 22.503.024
Caracas, Abril 2016
2.
3. •El valor del coeficiente de correlación es
independiente de cualquier unidad
usada para medir variables.
• Mientras más grande sea la muestra más
exacta será la estimaciónVentajas
•Requiere supuestos acerca de la
naturaleza o formas de las poblaciones
afectadas.
•Requiere que las dos variables hayan
ido medidas hasta un nivel cuantitativo
continuo y que la distribución de ambas
sea semejante a la de la curva normal.
Desventajas
4. Usos del Coeficiente de Correlación de Pearson
Permite predecir el valor de una variable dado un valor
determinado de la otra variable.
Se trata de valorar la asociación entre dos variables cuantitativas
estudiando el método conocido como correlación.
Dicho cálculo es el primer paso para determinar la relación entre
las variables.
Consiste en la posibilidad de calcular su distribución muestral y así
poder determinar su error típico de estimación.
Reporta un valor de correlación cercano a 0 como un indicador de
que no hay relación lineal entre 2 variables.
Reporta un valor de correlación cercano a 1 como un indicador de
que existe una relación lineal positiva entre las 2 variables. Un valor
mayor a cero que se acerque a 1 da como resultado una mayor
correlación positiva entre la información. Usos del Coeficiente de
Correlación de Pearson
5. .Usos de enfoques de Pearson a problemas estadísticos.
Las pruebas paramétricas más conocidas y
usadas son la prueba T de Student, la prueba
F, llamada así en honor a Fisher, y el
coeficiente de correlación de Pearson,
simbolizado por R
Pearson llamaron alfa al error tipo I y beta al
error tipo II; a partir de este último tipo de
error, introdujeron el concepto de “poder de
una prueba estadística”, el cual se refiere a su
capacidad para evitar el error tipo II, y está
definido por 1-beta, y en estrecha relación con
éste se ha desarrollado el concepto de
“tamaño del efecto” que algunos han
propuesto como sustituto de los valores p en
los informes de investigación científica.
6. VENTAJAS
No esta afectada por los cambios
de medidas en las unidades.
Al ser una técnica no parametra,es
libre de distribución,
probabilística.
Desventajas
Es recomendable usarlo cuando los
datos presentan valores extremos, ya
que dichos valores afectan mucho el
coeficiente de correlación de Pearson, o
ante distribuciones no normales.
No debe ser utilizada para decir algo
sobre la relación entre causa y efecto.
7. Usos de enfoques de Sperman a problemas estadísticos
Una generalización del coeficiente de Sperman es útil
en la situación en la cual hay tres o más condiciones,
varios individuos son observados en cada una de ellas,
y predecimos que las observaciones tendrán un orden
en particular. Por ejemplo, un conjunto de individuos
pueden tener tres oportunidades para intentar cierta
tarea, y predecimos que su habilidad mejorará de
intento en intento.
El coeficiente de correlación de rangos de Sperman debe
utilizarse para series de datos en los que existan valores
extremos, pues si calculamos la correlación de Pearson,
los resultados se verán afectados. La interpretación del
resultado del coeficiente de correlación de Sperman se
encuentra entre los valores de -1 y 1.
La significación estadística de un coeficiente
debe tenerse en cuenta conjuntamente con
la relevancia clínica del fenómeno que se
estudia
8. Correlación en Wikipedia (español):
http://es.wikipedia.org/wiki/Correlaci%C3%B3n Relación
entre variables cuantitativas.
http://www.fisterra.com/mbe/investiga/var_cuantitati
vas/var_cuantitativas2.pdf Correlation en Wikipedia
(inglés).
http://personal.us.es/vararey/adatos2/correlacion.pdf.
https://es.wikipedia.org/wiki/Coeficiente_de_correlaci
%C3%B3n_de_Pearson. Bibliografía
BIBLIOGRAFIA