Este 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 al ordenar y comparar los rangos de los datos. El documento también proporciona ejemplos y fórmulas para calcular ambos coeficientes, así como ventajas y desventajas de cada uno.

1. Instituto Universitario
Politécnico
“Santiago Mariño”
Sede – Barcelona
Escuela – Ing. Industrial
COEFICIENTE DE
CORRELACION DE
PEARSON Y SPEARMAN
Profesor:
Pedro Beltrán
Sección: YV
Bachiller:
Vanesa Rojas
Julio, 2015

2. 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. 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.

3. Varios grupos de puntos (x, y), con el coeficiente de correlación
para cada grupo. Nótese que la correlación refleja la no
linealidad y la dirección de la relación lineal. En la figura del
centro, la varianza de yes nula, por lo que la correlación es
indeterminada.
Valor del
Coeficiente de Pearson
Grado de Correlación
entre las Variables
r = 0 Ninguna correlación
r = 1 Correlación positiva perfecta
0 < r < 1 Correlación positiva
r = -1 Correlación negativa perfecta
-1 < r < 0 Correlación negativa

4. VENTAJAS DE PEARSON
• A diferencia de la covarianza, la correlación de Pearson es
independiente de la escala de medida de las variables.
• Puede utilizarse para medir el grado de relación de dos
variables siempre y cuando ambas sean cuantitativas.
• Su magnitud indica el grado de asociación entre las
variables
DESVENTAJAS DE PEARSON
• Error que se comete para la medida. Cuanto mayor
número de pares o de personas es más fiable.
• No refleja cambios en los patrones de compra conforme
pasa el tiempo.

5. 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:
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

6. 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 tau de
Kendall es un coeficiente de correlación por rangos, inversiones
entre dos ordenaciones de una distribución normal bivariante.
VENTAJAS Y DESVENTAJAS DE SPEARMAN
• 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 calcular ρ, los datos son ordenados y reemplazados por
su respectivo orden

7. APLICACIÓN DE USOS DE ENFOQUES PEARSON Y ENFOQUE
SPERMAN A PROBLEMAS ESTADÍSTICOS.
Los datos brutos usados en este ejemplo se ven debajo
canal
Hrs de TV
a la
semana
106 7
86 0
100 28
100 50
99 28
103 28
97 20
113 12
113 7
110 17
El primer paso es ordenar los datos de la primera
columna. Después, se crean dos columnas más. Ambas
son para ordenar (establecer un lugar en la lista) de las
dos primeras columnas. Después se crea una columna
"d" que muestra las diferencias entre las dos columnas
de orden. Finalmente, se crea otra columna "d".
Esta última es sólo la columna "d" al cuadrado.
Después de realizar todo esto con los datos del ejemplo,
se debería acabar con algo como lo siguiente:

8. CI (i) Hrs de TV a la semana (t) Orden (i) Orden (t) d d²
86 0 1 1 0 0
97 20 2 6 4 16
99 28 3 8 5 25
100 50 4.5 10 5.5 30.25
100 28 4.5 8 3.5 12.25
103 28 6 8 2 4
106 7 7 2.5 4.5 20.25
110 17 8 5 3 9
113 7 9.5 2.5 7 49
113 12 9.5 4 5.5 30.25
Nótese como el número de orden de los valores que son idénticos es
la media de los números de orden que les corresponderían si no lo
fueran.
Los valores de la columna d² pueden ser sumados para averiguar 𝑑² -
196.El valor de n es 10. Así que esos valores pueden ser sustituidos en
la fórmula. ρ – 1 –
6𝑥 196
10 (10−1)
resultado ρ = − 0.187878787879

9.  Ejemplos de diagramas de dispersión con diferentes valores del
coeficiente de correlación (ρ)

10. BIBLIOGRAFIA
• http://www.cca.org.mx/cca/cursos/estadistica/html/m14/coef_pearson.htm
• https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson
• http://es.scribd.com/doc/97709089/Coeficiente-de-correlacion-de-Spearman#scribd
• https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Spearman