presentacion saia

1. Instituto Universitario Politécnico “Santiago Mariño”
Barcelona Edo. Anzoategui.
Sección: YV (SAIA)
Asignatura: Estadística I
Semestre: 2015-2
Profesor: Ramón Aray Alumna: Omar J. Martinez Rondon
C.I.: 25.675.657
Febrero, 07 de 2016

2. El Coeficiente de Correlación de Pearson es una medida de la relación lineal entre
dos variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación
de Pearson es independiente de la escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlación de
Pearson como un índice que puede utilizarse para medir el grado de relación de
dos variables siempre y cuando ambas sean cuantitativas.
En el caso de que se esté estudiando dos variables aleatorias x e y sobre
una población; el coeficiente de correlación de Pearson se simboliza con la letra ,
siendo la expresión que nos permite calcularlo:
Coeficiente de Correlación de Pearson

3. Donde;
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, denotado
como a:
Coeficiente de Correlación de Pearson

4. Ventajas y Desventajas del Coeficiente
de Pearson
Ventajas
 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 estimación.
Desventajas
 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.

5.  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

6.  La r de Pearson es una medida que indica hasta que punto los mismos individuos o sucesos
ocupan la misma posición relativa a 2 variables.
 La r de Pearson refleja únicamente la relación lineal entre 2 variables.
 Cuando la relación es perfecta positiva, cada individuo obtiene exactamente las mismas
calificaciones en ambas variables.
 Un valor alto positivo alto de r de Pearson indica que cada individuo obtiene,
aproximadamente; las mismas calificaciones en ambas variables.
Características de la R de Pearson

7. Interpretación del Coeficiente R de
Pearson

8. Formulas de Pearson

9. En la perspectiva de Pearson, para establecer el nivel de significación estadística habría que
atender al impacto de cada tipo de error en el objetivo del investigador, y a partir de ahí se
decidiría cuál de ellos es preferible minimizar.
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.
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.
Usos de Enfoques de Pearson a
Problemas Estadísticos

10. El Coeficiente de Correlación de Spearman, ρ (rho) es una medida de la correlación (la
asociación o interdependencia) 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:
Coeficiente de Correlación de
Spearman

11. Donde D es la diferencia entre los correspondientes estadísticos de orden de x - y. N es el
número de parejas.
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
Coeficiente de Correlación de
Spearman

12. 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.
La correlación estimada entre X e Y se halla calculando el coeficiente de correlación de Pearson
para el conjunto de rangos apareados.
La correlación de Spearman puede ser calculada con la fórmula de Pearson, si antes hemos
transformado las puntuaciones en rangos.
Coeficiente de Correlación de
Spearman

13.  A partir de un conjunto de n puntuaciones, la formula que permite el calculo de la
correlación entre dos variables X e Y, medidas al menos en escala ordinal, es la siguiente:
P=0 No hay correlación
p≠ 0 Hay correlación
 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.
Usos del Coeficiente de correlación de
Spearman

14. Ventajas y Desventajas del Coeficiente
de Spearman
Ventajas
 No esta afectada por los cambios en las
unidades de medida.
 Al ser una técnica no parámetra, 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.
 r no debe ser utilizado para decir algo sobre
la relación entre causa y efecto.

15.  El Coeficiente de Correlación de Spearman se encuentra siempre comprendido entre los
valores -1 y 1. Es decir, -1 < rs < 1.
 Cuando todos los sujetos se sitúan en el mismo puesto para la variable X y para la variable
Y, el valor de rs es 1. Si ocupan valores opuestos, es decir; al primer sujeto en X le
corresponde el ultimo lugar en Y, al segundo en X le corresponde el penúltimo en Y, etc.
Entonces el valor de rs es -1.
Propiedades Coeficiente de
Correlación de Spearman

16.  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 la
representan puedan ser colocadas en dos series ordenadas.
 A veces, 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.
Usos del Coeficiente de correlación de
Spearman

17. Formulas de Spearman

18. Una generalización del coeficiente de Spearman 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 Spearman 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 Spearman 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.
Usos de Enfoques de Spearman a
Problemas Estadísticos

19. Internet
 Correlación en Wikipedia (español):
http://es.wikipedia.org/wiki/Correlaci%C3%B3n Relación entre variables
cuantitativas.
 http://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantitativas2.pdf
Correlation en Wikipedia (inglés).
 http://datalab.morningstar.com/knowledgebase/aspx/Article.aspx?ID=550
 https://epilab.ich.ucl.ac.uk/coursematerial/statistics/non_parametric/spearman.h
tml
 https://es.wikipedia.org/wiki/Charles_Spearman
 https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson.
Bibliografía