Trabajo

1. Integrante:
Milla González Jeannynel Alexandra
C.I 20.839.924.
Caracas, 9 de abril de 2016

2. Definición

4.  De manera análoga podemos calcular este coeficiente sobre un estadístico muestral,
denotado como a:
 El valor del índice de correlación varía en el intervalo [-1,1]:
 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total
entre las dos variables denominada relación directa: cuando una de ellas aumenta, la
otra también lo hace en proporción constante.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables
son independientes: pueden existir todavía relaciones no lineales entre las dos
variables.
 Si -1 < r < 0, existe una correlación negativa.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia
total entre las dos variables llamada relación inversa: cuando una de ellas aumenta, la
otra disminuye en proporción constante.

5. Ventajas:
Calcula su distribución
muestral y así determina
su error típico de
estimación
Mientras mas grande se la
muestra, mas exacta será
la estimación.
El valor del coeficiente de
correlación es independiente
de cualquier unidad usada
para medir variables.

6. Desventajas:
Requiere supuestos
acerca la naturaleza o
formas de la población
afectada.
Requiere que las dos variables hayan
ido medidas hasta un nuevo nivel
cuantitativo continuo y que la
distribución de ambas sean semejantes
a la de la curva normal.

7.  El coeficiente de correlación de Pearson puede
tomar valores entre -1 y 1.
 La correlación de una variable con ella misma
siempre es igual a 1.
 El valor 0 indica ausencia de covariación lineal,
pero NO si la covariación es de tipo no lineal. (Ver
ejemplo en el apartado de relaciones no lineales).

8. Es una medida de
la correlación (la asociación o
interdependencia) entre
dos variables
aleatorias continuas.

10.  Características:
 Puede ser calculada con la formula de pearson si
antes es transformada las puntuaciones en rangos.
 La interpretación de coeficiente de correlación
de spearman es igual al coeficiente de la
correlación de pearson.
 Se encuentra entre -1 y +1 indicando asociaciones
negativas o positivas, -cero significan no
correlación pero no independencia.

11. Ventajas:
Al ser una técnica no
parámetro, es libre de
distribución
probabilística.
No esta afectada por
cambios en las
unidades de medidas.

12. Desventajas:
R no debe ser usado
para decir algo sobre
la relación entre
causa y efecto.
Se recomienda
cuando los datos
presentan valores
extremos.

13.  https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B
3n_de_Spearman
 https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B
3n_de_Pearson
 http://documents.tips/presentations-public-speaking/uso-de-
los-coeficientes-de-correlacion-de-pearson-y-de-
sperman.html
 http://www.uv.es/webgid/Descriptiva/31_coeficiente_de_pe
arson.html
 www.monografias.com