Como determinar el uso de los coeficientes de correlación de Pearson y de Sperman
ventajas y desventajas de cada uno de ellos.
Aplicar usos de enfoques Pearson y enfoque Sperman a problemas estadísticos.
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
Correlación Pearson Spearman
1. REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION
SUPERIOR
I.U.P “SANTIAGO MARIÑO”
CARRERA 45- INGENIERIA INDUSTRIAL
ASIGNATURA: ESTADISTICA
Alumna:
Maria Fernanda Guevara
C.I: 23.188.708
Caracas, Abril 2016
Coeficientes de correlación de Pearson y de Sperman
2. EL COEFICIENTE DE CORRELACIÓN DE PEARSON
En estadística, el coeficiente
de correlación de Pearson es
una medida de la relación
lineal entre dos variables
aleatorias cuantitativas.
En el caso de que se esté estudiando dos
variables aleatorias X y Y sobre
una población; el coeficiente de correlación
de Pearson se simboliza con la letra Ƿxy
es la covarianza de (X,Y)
es la desviación típica de la variable X
es la desviación típica de la variable Y
De manera análoga podemos calcular este coeficiente sobre un estadístico muestral
3. VENTAJAS Y DESVENTAJAS DEL COEFICIENTE DE PEARSON
Ventajas:Desventajas:
-El valor del coeficiente de
correlación es
independiente de cualquier
unidad usada para medir
variables
-mientras mas grande sea
la muestra mas exacta será
la estimulación
-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
4. USO DEL COEFICIENTE DE CORRELACIÓN DE PEARSON
El coeficiente de correlación de
Pearson, normalmente denotado
como "r", es un valor estadístico que
mide la relación linear entre dos
variables.
Los rangos de valor van de +1
a -1, lo que indica una
perfecta relación linear
positiva y negativa
respectivamente entre 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.
5. INSTRUCCIONES
Identifica el dependiente
variable que se probará entre
dos observaciones derivadas
independientemente.
Calcula el coeficiente de correlación
de Pearson. Para cantidades grandes
de información
Reporta un valor de correlación cercano a 0
como un indicador de que no hay relación
linear entre las dos variables.
Reporta un valor de correlación cercano al 1
como indicador de que existe una relación
linear positiva entre las dos variables
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.
Determina la importancia de los
resultados
6. PROBLEMAS ESTADÍSTICOS A USOS DE ENFOQUES PEARSON
La siguiente tabla muestra los datos registrados en una muestra
aleatoria de 10 escuelas para niños superdotados. La razón
alumno/maestro es (X) y los estudiantes que se salen antes de
completar el curso es (Y).
X 2
0
1
8
1
6
1
5
1
4
1
2
1
2
1
0
8 5
Y 1
2
1
6
1
0
1
4
1
2
1
0
9 8 7 2
Solución: Se recomienda para hacer el cálculo
directo del coeficiente r de Pearson, realizar una
tabla como la siguiente:
X Y X² Y² XY
20 12 400 144 240
18 16 324 256 288
16 10 256 100 160
15 14 225 196 210
14 12 196 144 168
12 10 144 100 120
12 9 144 81 108
10 8 100 64 80
8 7 64 49 56
5 2 25 4 10
∑ X = 130 ∑ Y = 100 ∑ X2 =
1878
∑ Y2 =
1138
∑ XY =
144
Con todas estas características, podemos interpretar el resultado que
calculamos del coeficiente r de Pearson. Como r = 0.869180 podemos
concluir que la correlación es fuerte y positiva.
7. EL COEFICIENTE DE CORRELACIÓN DE SPEARMAN
Es una medida de
la correlación entre
dos variables
aleatorias continuas. Para
calcular ρ, los datos son
ordenados y reemplazados por
su respectivo orden.
El estadístico ρ viene dado por la expresión: Se tiene que considerar la
existencia de datos idénticos a la
hora de ordenarlos, aunque si
éstos son pocos, se puede ignorar
tal circunstancia
Para muestras mayores de 20
observaciones, podemos utilizar la
siguiente aproximación a
la distribución t de Student.
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.
8. VENTAJAS Y DESVENTAJAS DEL COEFICIENTE DE SPEARMAN
Desventajas: Ventajas:
-Se tiene que
considerar la existencia
de datos idénticos a la
hora de ordenarlos
- 0 cero, significa no
correlación pero no
independencia
- No está afectada por
los cambios en las
unidades de medida
- Es una técnica que no
requiere parámetros, es
libre de distribución
probabilística
9. USO DEL COEFICIENTE DE CORRELACIÓN DE SPEARMAN
1. Clasificar en
rangos cada medición
de las observaciones.
2. Obtener las
diferencias de las
parejas de rangos de
las variables
estudiadas y elevadas
al cuadrado.
3. Efectuar la
sumatoria de todas
las diferencias al
cuadrado.
7. Decidir si se
acepta o rechaza la
hipótesis.
6. Comparar el valor r
calculado con
respecto a los
valores críticos de la
tabla de valores
críticos de t de
Kendall en función de
probabilidad.
5. Calcular los grados
de libertad (gl). gl =
número de parejas -
1. Solo se utilizará
cuando la muestra
sea mayor a 10.
4. Aplicar la ecuación
10. INSTRUCCIONES
Organiza los datos en pares en una
mesa para que cada fila tenga un
número de observación, la variable
independiente (ingresos) y variable
dependiente (educación).
Agrega una columna en la tabla de datos junto a
la variable independiente llamada "Rango
Independiente" y una columna junto a la
variable dependiente llamado "Rango
Dependiente."
Agrega dos columnas más con la etiqueta "d" y
"d^2". Resta la variable de rango independiente
de la variable de rango dependiente y pon ese
valor en la columna "d". Cuadra el valor de la
columna "d" y ponlo en la columna "d^2." Suma
todos los valores de la columna "d^2" para
obtener un total.
Utiliza la fórmula de Spearman Rank para
calcular el coeficiente.
Calcula los "grados de libertad", restando 2
a partir del número de observaciones.
11. PROBLEMAS ESTADÍSTICOS A USOS DE ENFOQUES SPEARMAN
Un investigador está interesado en conocer si el desarrollo mental de un niño
esta asociado a la educación formal de su madre. De esta manera, obtiene la
calificación de desarrollo mental en la escala de Gesell de ocho niños elegidos
aleatoriamente y se informa del grado de escolaridad de las madres.
Nivel de significación.
Para todo valor de probabilidad igual o
menor que 0.05, se acepta Ha y se
rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor
que 0.05, se acepta Ho y se rechaza
Ha.
Educación de algunas madres y calificación de desarrollo mental de los hijos.
Calculo de rs de Spearman.
El valor crítico de rs con 7 grados de libertad, para una probabilidad de 0.05
del nivel de significancia es 0.714, o sea, mayor que el calculado. Por lo tanto,
éste tiene una probabilidad mayor que 0.05.
El coeficiente de correlación de Spearman de 0.69 es menor que los valores críticos de la tabla, pues a éstos corresponde la probabilidad de obtener esa magnitud, al
nivel de confianza de 0.05 y 0.01, para 0.714 y 0.893. Esto significa que para aceptar Ha, se requiere tener un valor igual o más lato que 0.714.
12. CUADRO COMPARATIVO ENTRE CORRELACION DE SPEARMAN Y CORRELACION DE PEARSON
Correlación de Spearman Correlación de Pearson
Se utiliza como alternativa de Pearson cuando sus variables son
originales.
Coeficiente que mide la asociación lineal
Se puede calcular: Puede tomar valores entre -1 y +1
Se pueden tomar valores entre -1 y +1 Se representa por r
Depende de la correlación lineal de Pearson. Se aplica después de transformar las puntuaciones originales
en rangos
Conviertes las puntuaciones originales en rangos Se puede calcular: