Diagrama de dispercion
•Descargar como PPTX, PDF•
2 recomendaciones•466 vistas
El diagrama de dispersión permite analizar si existe una relación entre dos variables representando gráficamente su relación. Muestra si la relación es positiva, negativa o nula, y el coeficiente de correlación cuantifica el grado y signo de dicha relación. Un coeficiente de 0 indica independencia total, mientras que valores cercanos a 1 o -1 señalan dependencia funcional positiva o negativa, respectivamente.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Regresión lineal
Este documento describe la regresión lineal, que analiza la relación entre dos o más variables. Explica que la regresión lineal utiliza un diagrama de dispersión para representar la similitud entre las variables. Identifica las variables dependientes e independientes y describe cómo el coeficiente de correlación mide la fuerza de la relación entre las variables. Finalmente, presenta la ecuación de regresión lineal que modela la relación.
Slideshare psicoestadistica
El documento describe diferentes coeficientes de correlación como el coeficiente de Pearson, el coeficiente Phi, el coeficiente Tau de Kendall y el coeficiente C. Explica cómo calcular el coeficiente de Pearson y cómo interpretar los resultados de los diferentes coeficientes, señalando que indican el nivel y tipo de asociación entre dos o más variables. También discute algunas ventajas y desventajas del coeficiente de Pearson.
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación mide la fuerza y dirección de la relación lineal entre dos variables aleatorias. La fuerza de la correlación depende de qué tan estrecha y alargada es la nube de puntos que representa las dos variables, mientras que la dirección indica si la relación es positiva (ambas variables aumentan juntas) o negativa (una variable aumenta mientras la otra disminuye). El coeficiente de correlación de Pearson cuantifica esta relación en un valor entre -1 y 1, donde valores cercanos a 1 o -1 indican una correlación fuerte y valores cercanos
Coeficiente de Correlación de Pearson
Es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.
Coeficiente de Correlación de Pearson y Spearman
El documento describe 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 menos ordinales después de convertir los valores a rangos. Ambos coeficientes varían de -1 a 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 indican una fuerte correlación negativa.
Coeficiente de correlacion de pearson
El coeficiente de correlación de Spearman mide la relación lineal entre dos variables medidas a nivel ordinal, mientras que el coeficiente de Pearson se usa para variables de nivel de intervalo o razón. El coeficiente de Spearman convierte cualquier variable de nivel de intervalo a ordinal antes del análisis. Determina si existe una relación lineal entre las variables que no sea debida al azar.
Correlación de Person
El documento explica conceptos estadísticos como la correlación y regresión. Define la correlación como la relación entre dos variables y cómo se puede medir con un coeficiente de correlación. También describe cómo los diagramas de dispersión pueden usarse para visualizar la relación entre variables y analizar datos. Concluye resaltando la importancia de analizar lógicamente los coeficientes de correlación y no usarlos sin considerar las características de los datos.
Coeficientes de Correlación de Pearson y de Sperman
El coeficiente de correlación de Spearman mide la asociación monótona entre dos variables continuas usando rangos. Se calcula aplicando la fórmula de correlación de Pearson a los rangos de las observaciones en lugar de los valores reales. Puede tomar valores de -1 a 1, indicando correlación negativa o positiva, respectivamente.
Recomendados
Regresión lineal
Este documento describe la regresión lineal, que analiza la relación entre dos o más variables. Explica que la regresión lineal utiliza un diagrama de dispersión para representar la similitud entre las variables. Identifica las variables dependientes e independientes y describe cómo el coeficiente de correlación mide la fuerza de la relación entre las variables. Finalmente, presenta la ecuación de regresión lineal que modela la relación.
Slideshare psicoestadistica
El documento describe diferentes coeficientes de correlación como el coeficiente de Pearson, el coeficiente Phi, el coeficiente Tau de Kendall y el coeficiente C. Explica cómo calcular el coeficiente de Pearson y cómo interpretar los resultados de los diferentes coeficientes, señalando que indican el nivel y tipo de asociación entre dos o más variables. También discute algunas ventajas y desventajas del coeficiente de Pearson.
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación mide la fuerza y dirección de la relación lineal entre dos variables aleatorias. La fuerza de la correlación depende de qué tan estrecha y alargada es la nube de puntos que representa las dos variables, mientras que la dirección indica si la relación es positiva (ambas variables aumentan juntas) o negativa (una variable aumenta mientras la otra disminuye). El coeficiente de correlación de Pearson cuantifica esta relación en un valor entre -1 y 1, donde valores cercanos a 1 o -1 indican una correlación fuerte y valores cercanos
Coeficiente de Correlación de Pearson
Es un índice estadístico que mide la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.
Coeficiente de Correlación de Pearson y Spearman
El documento describe 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 menos ordinales después de convertir los valores a rangos. Ambos coeficientes varían de -1 a 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 indican una fuerte correlación negativa.
Coeficiente de correlacion de pearson
El coeficiente de correlación de Spearman mide la relación lineal entre dos variables medidas a nivel ordinal, mientras que el coeficiente de Pearson se usa para variables de nivel de intervalo o razón. El coeficiente de Spearman convierte cualquier variable de nivel de intervalo a ordinal antes del análisis. Determina si existe una relación lineal entre las variables que no sea debida al azar.
Correlación de Person
El documento explica conceptos estadísticos como la correlación y regresión. Define la correlación como la relación entre dos variables y cómo se puede medir con un coeficiente de correlación. También describe cómo los diagramas de dispersión pueden usarse para visualizar la relación entre variables y analizar datos. Concluye resaltando la importancia de analizar lógicamente los coeficientes de correlación y no usarlos sin considerar las características de los datos.
Coeficientes de Correlación de Pearson y de Sperman
El coeficiente de correlación de Spearman mide la asociación monótona entre dos variables continuas usando rangos. Se calcula aplicando la fórmula de correlación de Pearson a los rangos de las observaciones en lugar de los valores reales. Puede tomar valores de -1 a 1, indicando correlación negativa o positiva, respectivamente.
Presentacion isaias coeficiente de correlacion
El documento describe dos coeficientes de correlación (Pearson y Spearman) que miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que el coeficiente de Spearman se aplica a variables de escala ordinal o cuando se transforman las puntuaciones a rangos. Ambos coeficientes oscilan entre -1 y 1 para indicar correlaciones negativas o positivas.
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”
Este documento describe tres ejercicios para calcular el coeficiente de correlación de Pearson utilizando el programa SPSS. En cada ejercicio, se grafican las variables, se calcula el coeficiente de Pearson, y se realiza una prueba de hipótesis para determinar si existe una correlación significativa en la población.
Correlacion de Pearson y de Sperman
El documento describe la vida y contribuciones de Karl Pearson y Charles Edward Spearman, dos pioneros en el campo de la estadística. Karl Pearson estableció la disciplina de la estadística y desarrolló métodos estadísticos para su aplicación en biología. Charles Spearman formuló la teoría de que la inteligencia se compone de un factor general y otros específicos, y desarrolló el análisis factorial. También propuso el coeficiente de correlación de rangos de Spearman, el cual es útil para datos con valores extremos o no normal
coeficientes de correlación de Pearson y de Sperman
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 es una medida de correlación menos sensible a valores extremos. El documento también proporciona instrucciones sobre cómo calcular y interpretar estos coeficientes de correlación.
CORRELACIÓN DE PEARSON Y SPEARMAN
1) La correlación de Pearson y Spearman miden la asociación entre dos variables. La correlación de Pearson es adecuada para datos numéricos mientras que la de Spearman se usa para datos de rango o no normales.
2) Sir Francis Galton introdujo el concepto de correlación en el siglo XIX y Karl Pearson desarrolló el coeficiente de correlación de Pearson. Charles Spearman propuso el coeficiente de correlación de rangos para datos no numéricos.
3) La correlación varía de -1 a 1, donde 1 es una correlación positiva perfecta, -1 es negativa
CORRELACION DE PEARSON
El coeficiente de correlación de Pearson y Spearman miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que Spearman se usa para variables de escala ordinal. Ambos coeficientes oscilan entre -1 y 1, indicando correlación negativa o positiva respectivamente.
Pearson y sperman
El coeficiente de correlación de Pearson y Spearman miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que Spearman se usa para variables de escala ordinal. Ambos coeficientes oscilan entre -1 y 1, indicando correlación negativa o positiva respectivamente.
Correlación
Este documento define diferentes tipos de correlación como la correlación de Pearson, Kendall y Spearman. Explica que la correlación de Pearson mide la relación sistemática entre dos variables continuas, mientras que Kendall y Spearman se usan para variables ordinales o de rangos. También describe correlaciones positivas, negativas, nulas y perfectas, e ilustra cómo se representan gráficamente. Además, brinda detalles sobre cómo calcular e interpretar los coeficientes de correlación.
Coeficientes de correlacion pearson spearman
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 relación monótona entre dos variables ordinales. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 indican una fuerte correlación negativa.
Coeficiente de correlacion spearman ok
Este documento presenta un estudio sobre la relación entre la educación ambiental y el comportamiento ambiental de los trabajadores de conservación vial en una carretera en Perú en 2018. Calcula el coeficiente de correlación de Spearman entre las dos variables y encuentra una correlación baja y nula que acepta la hipótesis nula de que no existe una relación directa entre la educación ambiental y el comportamiento ambiental de los trabajadores.
Ejercicio de correlaciones aplicado a una investigación
Este documento presenta un ejercicio de correlaciones aplicado a una investigación. Explica los objetivos, conceptos e introducción del estudio, incluyendo una discusión detallada de la teoría de la correlación de Pearson y cómo se puede utilizar para medir la relación entre variables cuantitativas. Finalmente, resume los hallazgos clave de la investigación sobre las correlaciones encontradas entre diferentes actitudes y comportamientos adolescentes.
Asociacion entre dos variables cuantitativas
Este documento describe el análisis de la asociación entre dos variables cuantitativas tomadas del archivo "activossalud.Rdata": la hora dedicada a hacer deporte y el tiempo dedicado al mantenimiento del hogar. Se comprueba que existe una relación inversamente proporcional entre las variables mediante una nube de puntos con pendiente negativa. También se determina que ninguna de las variables sigue una distribución normal a través de gráficas y pruebas estadísticas. Finalmente, la prueba de Rho de Spearman muestra una asociación
Asociacion entre variable cualitativa y cuantitativa
El documento describe los pasos para determinar si existe una asociación entre una variable cualitativa y cuantitativa en un conjunto de datos. Se resumen los datos, se eligen las variables sexo y medicalización, y se comprueba la normalidad y homocedasticidad de la variable cuantitativa a través de gráficas y pruebas estadísticas. Al no seguir una distribución normal la variable, se usa la prueba no paramétrica de Wilcoxon, la cual muestra que existe una asociación entre las dos variables elegidas.
Osmelys2 (1)
El 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 medidas al menos a nivel ordinal luego de ser transformadas a rangos. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 una fuerte correlación negativa.
Tarea 8
Este documento resume el análisis bivariado de dos variables cuantitativas, altura y peso. No siguen una distribución normal, por lo que se usa el coeficiente de Spearman para medir la correlación. El coeficiente de 0,6224 indica una correlación positiva fuerte entre altura y peso. El test de correlación rechaza la hipótesis nula de que la altura no influye en el peso, por lo que existe una relación positiva entre estas variables.
Coeficiente de correlación de pearson
Este documento resume los pasos para calcular la correlación de Pearson entre variables y determinar si existe una relación significativa entre ellas. Explica cómo usar el programa SPSS para calcular la correlación e interpretar los resultados, estableciendo una hipótesis nula de no relación frente a una hipótesis alternativa de que sí existe relación. Proporciona ejemplos de cálculos de correlación entre variables como deporte y cigarrillos, altura y cigarrillos, y valoración de la enfermería y cigarrillos.
Correlacion de spearman y pearson
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables continuas, variando de -1 a 1, donde 1 indica una correlación positiva perfecta y -1 una negativa perfecta. El coeficiente de Spearman mide la correlación de rangos entre dos variables, reemplazando los datos por sus rangos y calculando la diferencia al cuadrado entre los rangos. El documento también incluye ejemplos numéricos del cálculo de ambos coeficientes.
Presentacion estadistica
El documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando de -1 a 1 para indicar correlaciones negativas o positivas. El coeficiente de Spearman también varía de -1 a 1 pero se basa en el orden de los datos en lugar de sus valores reales. Ambos coeficientes proporcionan una medida numérica de la relación entre dos variables.
Sem9 tic
Este documento describe un análisis estadístico realizado para determinar la relación entre la altura y el peso. Se realizaron pruebas de normalidad mediante un test estadístico y representaciones gráficas que mostraron que los datos no siguen una distribución normal. Por lo tanto, se utilizó la prueba de Spearman para medir la correlación, la cual arrojó un coeficiente de 0,622 indicando una fuerte correlación positiva y significativa entre la altura y el peso.
Correlacion y regresion
El documento habla sobre la correlación y regresión lineal. Define la correlación como una medida estadística que cuantifica la dependencia lineal entre dos variables. Explica que la correlación puede ser positiva, negativa o nula, dependiendo de si los valores de las variables aumentan o disminuyen juntos. También describe los tipos de regresión lineal, incluyendo la regresión lineal simple, donde una variable independiente influye en una dependiente, y la regresión lineal múltiple, donde dos o más variables independientes influyen en una dependiente.
correlacion (estadistica)
La correlación indica la relación entre dos o más variables. En estadística, mide la fuerza y dirección de la relación lineal entre dos variables aleatorias. Existe correlación positiva cuando los valores de ambas variables aumentan o disminuyen juntos, y correlación negativa cuando los valores de una variable aumentan mientras los de la otra disminuyen. El diagrama de dispersión y el coeficiente de correlación se usan para medir el grado de correlación entre variables.
correlacion (estadistica)
La correlación indica la fuerza y dirección de la relación lineal entre dos variables aleatorias. Cuando los valores de una variable aumentan o disminuyen sistemáticamente con los valores de otra variable, existe una correlación. La correlación puede ser positiva, negativa o nula. Se representa gráficamente mediante un diagrama de dispersión y se cuantifica mediante el coeficiente de correlación.
Más contenido relacionado
La actualidad más candente
Presentacion isaias coeficiente de correlacion
El documento describe dos coeficientes de correlación (Pearson y Spearman) que miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que el coeficiente de Spearman se aplica a variables de escala ordinal o cuando se transforman las puntuaciones a rangos. Ambos coeficientes oscilan entre -1 y 1 para indicar correlaciones negativas o positivas.
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”
Este documento describe tres ejercicios para calcular el coeficiente de correlación de Pearson utilizando el programa SPSS. En cada ejercicio, se grafican las variables, se calcula el coeficiente de Pearson, y se realiza una prueba de hipótesis para determinar si existe una correlación significativa en la población.
Correlacion de Pearson y de Sperman
El documento describe la vida y contribuciones de Karl Pearson y Charles Edward Spearman, dos pioneros en el campo de la estadística. Karl Pearson estableció la disciplina de la estadística y desarrolló métodos estadísticos para su aplicación en biología. Charles Spearman formuló la teoría de que la inteligencia se compone de un factor general y otros específicos, y desarrolló el análisis factorial. También propuso el coeficiente de correlación de rangos de Spearman, el cual es útil para datos con valores extremos o no normal
coeficientes de correlación de Pearson y de Sperman
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 es una medida de correlación menos sensible a valores extremos. El documento también proporciona instrucciones sobre cómo calcular y interpretar estos coeficientes de correlación.
CORRELACIÓN DE PEARSON Y SPEARMAN
1) La correlación de Pearson y Spearman miden la asociación entre dos variables. La correlación de Pearson es adecuada para datos numéricos mientras que la de Spearman se usa para datos de rango o no normales.
2) Sir Francis Galton introdujo el concepto de correlación en el siglo XIX y Karl Pearson desarrolló el coeficiente de correlación de Pearson. Charles Spearman propuso el coeficiente de correlación de rangos para datos no numéricos.
3) La correlación varía de -1 a 1, donde 1 es una correlación positiva perfecta, -1 es negativa
CORRELACION DE PEARSON
El coeficiente de correlación de Pearson y Spearman miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que Spearman se usa para variables de escala ordinal. Ambos coeficientes oscilan entre -1 y 1, indicando correlación negativa o positiva respectivamente.
Pearson y sperman
El coeficiente de correlación de Pearson y Spearman miden la relación lineal entre dos variables cuantitativas. El coeficiente de Pearson se usa para variables de escala de intervalo/razón, mientras que Spearman se usa para variables de escala ordinal. Ambos coeficientes oscilan entre -1 y 1, indicando correlación negativa o positiva respectivamente.
Correlación
Este documento define diferentes tipos de correlación como la correlación de Pearson, Kendall y Spearman. Explica que la correlación de Pearson mide la relación sistemática entre dos variables continuas, mientras que Kendall y Spearman se usan para variables ordinales o de rangos. También describe correlaciones positivas, negativas, nulas y perfectas, e ilustra cómo se representan gráficamente. Además, brinda detalles sobre cómo calcular e interpretar los coeficientes de correlación.
Coeficientes de correlacion pearson spearman
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 relación monótona entre dos variables ordinales. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 indican una fuerte correlación negativa.
Coeficiente de correlacion spearman ok
Este documento presenta un estudio sobre la relación entre la educación ambiental y el comportamiento ambiental de los trabajadores de conservación vial en una carretera en Perú en 2018. Calcula el coeficiente de correlación de Spearman entre las dos variables y encuentra una correlación baja y nula que acepta la hipótesis nula de que no existe una relación directa entre la educación ambiental y el comportamiento ambiental de los trabajadores.
Ejercicio de correlaciones aplicado a una investigación
Este documento presenta un ejercicio de correlaciones aplicado a una investigación. Explica los objetivos, conceptos e introducción del estudio, incluyendo una discusión detallada de la teoría de la correlación de Pearson y cómo se puede utilizar para medir la relación entre variables cuantitativas. Finalmente, resume los hallazgos clave de la investigación sobre las correlaciones encontradas entre diferentes actitudes y comportamientos adolescentes.
Asociacion entre dos variables cuantitativas
Este documento describe el análisis de la asociación entre dos variables cuantitativas tomadas del archivo "activossalud.Rdata": la hora dedicada a hacer deporte y el tiempo dedicado al mantenimiento del hogar. Se comprueba que existe una relación inversamente proporcional entre las variables mediante una nube de puntos con pendiente negativa. También se determina que ninguna de las variables sigue una distribución normal a través de gráficas y pruebas estadísticas. Finalmente, la prueba de Rho de Spearman muestra una asociación
Asociacion entre variable cualitativa y cuantitativa
El documento describe los pasos para determinar si existe una asociación entre una variable cualitativa y cuantitativa en un conjunto de datos. Se resumen los datos, se eligen las variables sexo y medicalización, y se comprueba la normalidad y homocedasticidad de la variable cuantitativa a través de gráficas y pruebas estadísticas. Al no seguir una distribución normal la variable, se usa la prueba no paramétrica de Wilcoxon, la cual muestra que existe una asociación entre las dos variables elegidas.
Osmelys2 (1)
El 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 medidas al menos a nivel ordinal luego de ser transformadas a rangos. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte correlación positiva y valores cercanos a -1 una fuerte correlación negativa.
Tarea 8
Este documento resume el análisis bivariado de dos variables cuantitativas, altura y peso. No siguen una distribución normal, por lo que se usa el coeficiente de Spearman para medir la correlación. El coeficiente de 0,6224 indica una correlación positiva fuerte entre altura y peso. El test de correlación rechaza la hipótesis nula de que la altura no influye en el peso, por lo que existe una relación positiva entre estas variables.
Coeficiente de correlación de pearson
Este documento resume los pasos para calcular la correlación de Pearson entre variables y determinar si existe una relación significativa entre ellas. Explica cómo usar el programa SPSS para calcular la correlación e interpretar los resultados, estableciendo una hipótesis nula de no relación frente a una hipótesis alternativa de que sí existe relación. Proporciona ejemplos de cálculos de correlación entre variables como deporte y cigarrillos, altura y cigarrillos, y valoración de la enfermería y cigarrillos.
Correlacion de spearman y pearson
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables continuas, variando de -1 a 1, donde 1 indica una correlación positiva perfecta y -1 una negativa perfecta. El coeficiente de Spearman mide la correlación de rangos entre dos variables, reemplazando los datos por sus rangos y calculando la diferencia al cuadrado entre los rangos. El documento también incluye ejemplos numéricos del cálculo de ambos coeficientes.
Presentacion estadistica
El documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando de -1 a 1 para indicar correlaciones negativas o positivas. El coeficiente de Spearman también varía de -1 a 1 pero se basa en el orden de los datos en lugar de sus valores reales. Ambos coeficientes proporcionan una medida numérica de la relación entre dos variables.
Sem9 tic
Este documento describe un análisis estadístico realizado para determinar la relación entre la altura y el peso. Se realizaron pruebas de normalidad mediante un test estadístico y representaciones gráficas que mostraron que los datos no siguen una distribución normal. Por lo tanto, se utilizó la prueba de Spearman para medir la correlación, la cual arrojó un coeficiente de 0,622 indicando una fuerte correlación positiva y significativa entre la altura y el peso.
Correlacion y regresion
El documento habla sobre la correlación y regresión lineal. Define la correlación como una medida estadística que cuantifica la dependencia lineal entre dos variables. Explica que la correlación puede ser positiva, negativa o nula, dependiendo de si los valores de las variables aumentan o disminuyen juntos. También describe los tipos de regresión lineal, incluyendo la regresión lineal simple, donde una variable independiente influye en una dependiente, y la regresión lineal múltiple, donde dos o más variables independientes influyen en una dependiente.
La actualidad más candente (20)
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”
coeficientes de correlación de Pearson y de Sperman
coeficientes de correlación de Pearson y de Sperman
Ejercicio de correlaciones aplicado a una investigación
Ejercicio de correlaciones aplicado a una investigación
Asociacion entre variable cualitativa y cuantitativa
Asociacion entre variable cualitativa y cuantitativa
Similar a Diagrama de dispercion
correlacion (estadistica)
La correlación indica la relación entre dos o más variables. En estadística, mide la fuerza y dirección de la relación lineal entre dos variables aleatorias. Existe correlación positiva cuando los valores de ambas variables aumentan o disminuyen juntos, y correlación negativa cuando los valores de una variable aumentan mientras los de la otra disminuyen. El diagrama de dispersión y el coeficiente de correlación se usan para medir el grado de correlación entre variables.
correlacion (estadistica)
La correlación indica la fuerza y dirección de la relación lineal entre dos variables aleatorias. Cuando los valores de una variable aumentan o disminuyen sistemáticamente con los valores de otra variable, existe una correlación. La correlación puede ser positiva, negativa o nula. Se representa gráficamente mediante un diagrama de dispersión y se cuantifica mediante el coeficiente de correlación.
Diagrama de dispersión
Un diagrama de dispersión representa gráficamente la relación entre dos variables para un conjunto de datos. Muestra cada par de valores como un punto en un plano cartesiano. La relación entre las variables puede ser positiva, negativa o nula. La fuerza de la correlación se mide con el coeficiente de correlación r, el cual indica si la relación es directamente o inversamente proporcional. Para crear un diagrama de dispersión, se determinan las variables, se recolectan los datos, se grafican los puntos, y se calcula el coeficiente r para analizar la relación
Correlación y regresión parte de la bioestadistica
Bioestadística relacionada a la enfermería, tema de la regresión y correlación
Diapositivas coef. pearson y sperman
1. El documento describe los coeficientes de correlación de Pearson y Spearman, que miden la relación entre dos variables.
2. El coeficiente de Pearson varía de -1 a 1 y evalúa la correlación lineal, mientras que el coeficiente de Spearman evalúa cualquier tipo de correlación monótona entre las variables.
3. Ambos coeficientes proporcionan una medida numérica de la fuerza y dirección de la asociación entre las variables analizadas.
regresión lineal simple
Este documento trata sobre la regresión lineal simple. Explica que la regresión lineal simple estudia la relación entre una variable dependiente (Y) y una variable independiente (X), donde Y es una función de X. También define conceptos clave como variable dependiente, variable independiente, coeficiente de correlación de Pearson y tipos de correlación (directa, inversa y nula). Por último, presenta un ejercicio para calcular el coeficiente de correlación entre el tiempo dedicado al estudio y las calificaciones de alumnos.
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE.pptx
La regresión lineal simple analiza la relación entre una variable independiente (X) y una variable dependiente (Y). Mide la fuerza de la correlación a través del coeficiente de correlación de Pearson (r), el cual varía de -1 a 1, donde -1 es una correlación negativa perfecta, 1 es una correlación positiva perfecta y 0 indica ausencia de correlación lineal. El coeficiente de determinación (R cuadrado) mide qué porcentaje de la variabilidad de Y es explicada por el modelo de regresión lineal.
Coeficiente de Correlacion
El documento explica el coeficiente de correlación de Pearson y de Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando entre -1 y 1, donde 1 indica correlación positiva perfecta, -1 correlación negativa perfecta y 0 ausencia de correlación lineal. El coeficiente de Spearman también mide la correlación entre variables, pero es menos sensible a valores atípicos y no requiere una distribución normal de los datos.
MEDIDAS BIVALENTES en la CORRELACIÓN.pdf
La correlación mide la relación entre dos variables. Un coeficiente de correlación positivo indica que las variables cambian en la misma dirección, mientras que un coeficiente negativo indica que cambian en direcciones opuestas. La correlación puede ser positiva, negativa o nula.
5 regresion y correlacion
Este documento describe los conceptos de regresión y correlación lineal. Explica que la regresión y correlación permiten analizar la relación entre dos variables continuas mediante el uso de diagramas de dispersión, el coeficiente de correlación de Pearson y regresión lineal simple. También define la correlación directa e inversa y cómo el coeficiente de correlación cuantifica el grado de asociación lineal entre las variables.
actividad 2.docx
Este documento define conceptos clave relacionados con la regresión y correlación como el diagrama de dispersión, la correlación lineal simple, el coeficiente de determinación R2, la correlación positiva y negativa, y el coeficiente de correlación lineal. El diagrama de dispersión analiza las relaciones entre variables, la correlación cuantifica la variación conjunta entre dos variables, el R2 mide qué tan bien un modelo explica una variable, y el coeficiente de correlación mide la intensidad de la relación lineal entre variables.
Correlacion
Una correlación mide la relación entre dos variables, la cual puede ser positiva, negativa o nula. La fuerza, sentido y forma de la correlación se determinan mediante la línea de mejor ajuste de los datos. Existen correlaciones directas, inversas y nulas. La regresión analiza la relación entre una variable dependiente y una o más independientes, y puede ser lineal o no lineal, simple o múltiple.
Concepto
El documento describe los diagramas de dispersión, que muestran la relación entre dos variables a través de coordenadas cartesianas. Un diagrama de dispersión puede sugerir si hay una correlación positiva, negativa o nula entre las variables, y puede incluir una línea de ajuste para analizar más a fondo la correlación. La correlación indica la fuerza y dirección de una relación lineal entre variables, pero no implica necesariamente causalidad.
Presentacion Coeficiente de Correlacion Pearson y Spearman.
Este documento define y compara el coeficiente de correlación de Pearson y el coeficiente de correlación de Spearman. Explica que el coeficiente de Pearson mide la correlación lineal entre dos variables continuas, mientras que el coeficiente de Spearman mide la correlación entre rangos y es útil cuando los datos presentan valores extremos. Ambos coeficientes varían de -1 a 1, donde valores cercanos a cero indican poca o ninguna correlación y valores cercanos a 1 o -1 indican una fuerte correlación positiva o negativa.
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación mide la fuerza y dirección de la relación lineal entre dos variables aleatorias. Una correlación positiva indica que cuando uno de los valores aumenta, el otro también lo hace, mientras que una correlación negativa significa que cuando uno aumenta, el otro disminuye. El coeficiente de correlación de Pearson mide el grado de relación lineal entre dos variables cuantitativas en un rango de -1 a 1, donde 1 es una correlación positiva perfecta, -1 es una correlación negativa perfecta y 0 indica ausencia de relación lineal.
PPT-Correlación-PROB.-Y-EST.pptx
Este documento describe la correlación y regresión lineal simple como técnicas estadísticas para investigar la relación entre dos variables continuas. Explica cómo el diagrama de dispersión permite visualizar la relación y detectar valores atípicos. También define el coeficiente de correlación de Pearson para cuantificar la fuerza de la asociación lineal entre las variables, así como la regresión lineal para modelar la relación y predecir valores. Por último, discute otros métodos como la correlación de Spearman para variables ordinales y la prueba chi-cuadrado para variables
Correlación
Este documento define la correlación y describe diferentes tipos como la correlación positiva, negativa y nula. Explica conceptos como el coeficiente de correlación, la covarianza y cómo medir la correlación para datos agrupados y no agrupados usando fórmulas estadísticas.
Presentación4
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando de -1 a 1, donde 0 indica ninguna correlación y valores cercanos a 1 o -1 indican una fuerte correlación positiva o negativa. El coeficiente de Spearman es similar pero se basa en los rangos de los datos en lugar de los valores reales, haciéndolo más robusto ante valores atípicos. Ambos coeficientes son herramientas útiles para medir el grado de asociación entre
Regresion estadistica
1. Tipos de regresiones: Simple o lineal y múltiple
Regresión Lineal simple
La regresión lineal simple examina la relación lineal entre dos variables continuas: una respuesta (Y) y un predictor (X). Cuando las dos variables están relacionadas, es posible predecir un valor de respuesta a partir de un valor predictor con una exactitud mayor que la asociada únicamente a las probabilidades. (Limeres, 2012)
La regresión proporciona la línea que "mejor" se ajusta a los datos. Esta línea se puede utilizar después para:
Examinar cómo cambia la variable de respuesta a medida que cambia la variable predictora.
Predecir el valor de una variable de respuesta (Y) para cualquier variable predictora (X).
El modelo de regresión lineal simple supone que,
Donde:
• yi representa el valor de la variable respuesta para la observación i-´esima.
• xi representa el valor de la variable explicativa para la observación i-´esima.
• ui representa el error para la observación i-´esima que se asume normal,
Donde
β0 y β1 son los coeficientes de regresión:
• β0: intercepto
• β1: pendiente
Los parámetros que hay que estimar son: β0, β1 y σ.
REGRESION LINEAL MULTIPLE
La regresión lineal múltiple permite generar un modelo lineal en el que el valor de la variable dependiente o respuesta (Y) se determina a partir de un conjunto de variables independientes llamadas predictores (X1, X2, X3…). Es una extensión de la regresión lineal simple, por lo que es fundamental comprender esta última. Los modelos de regresión múltiple pueden emplearse para predecir el valor de la variable dependiente o para evaluar la influencia que tienen los predictores sobre ella (esto último se debe que analizar con cautela para no malinterpretar causa-efecto).
Los modelos lineales múltiples siguen la siguiente ecuación:
β0: es la ordenada en el origen, el valor de la variable dependiente Y cuando todos los predictores son cero.
βi: es el efecto promedio que tiene el incremento en una unidad de la variable predictora Xi sobre la variable dependiente Y, manteniéndose constantes el resto de variables. Se conocen como coeficientes parciales de regresión.
ei: es el residuo o error, la diferencia entre el valor observado y el estimado por el modelo.
Es importante tener en cuenta que la magnitud de cada coeficiente parcial de regresión depende de las unidades en las que se mida la variable predictora a la que corresponde, por lo que su magnitud no está asociada con la importancia de cada predictor. Para poder determinar qué impacto tienen en el modelo cada una de las variables, se emplean los coeficientes parciales estandarizados, que se obtienen al estandarizar (sustraer la media y dividir entre la desviación estándar) las variables predictoras previo ajuste del modelo. (Rodrigo, 2016)
Similar a Diagrama de dispercion (20)
Correlación y regresión parte de la bioestadistica
Correlación y regresión parte de la bioestadistica
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE.pptx
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE.pptx
Presentacion Coeficiente de Correlacion Pearson y Spearman.
Presentacion Coeficiente de Correlacion Pearson y Spearman.
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación indica la fuerza y la dirección de una relación lineal entre d...
Más de Guadalupe P.R
Presentacionfinal 161111011931
Este documento describe los procedimientos de análisis y gestión de riesgos laborales. Explica que estos procedimientos consisten en identificar peligros y evaluar riesgos para establecer medidas de prevención. Identifica factores de riesgo como físicos, químicos, ergonómicos y de seguridad industrial. También analiza causas de accidentes laborales y cómo identificar peligros específicos en entornos de trabajo.
Art 101217222157-phpapp01
El documento describe los pasos básicos para elaborar un análisis de riesgos en el trabajo (ART). Estos incluyen seleccionar el trabajo a analizar, dividirlo en partes, identificar los riesgos potenciales y determinar medidas preventivas. También cubre factores a considerar como la frecuencia de accidentes, el potencial de lesiones graves y trabajos recientemente establecidos o modificados.
Exposicion
Este documento describe el proceso de investigación y registro de accidentes en el trabajo. Se divide en 4 partes: 1) información básica sobre el accidentado y las circunstancias, 2) detalles sobre la causa y tipo de accidente, 3) análisis de la causa raíz y medidas correctivas, 4) datos sobre quien realizó la investigación. Además, enfatiza la importancia de priorizar el bienestar humano sobre otros factores como la producción.
Evaluacion de-riesgos
La evaluación de riesgos es un proceso obligatorio para las empresas que busca identificar peligros y riesgos en el entorno laboral mediante el análisis detallado de todos los aspectos del trabajo, con el fin de proteger la seguridad y salud de los trabajadores. Este proceso incluye la identificación de peligros, la evaluación de riesgos, la documentación de hallazgos y medidas correctivas, y la revisión periódica para actualizar la evaluación.
Investigación científica expo terminada
Este documento describe la investigación científica, incluyendo su definición, objetivos, características, elementos, metodologías, etapas e implicaciones éticas. La investigación científica busca producir nuevos conocimientos de manera sistemática, metódica, racional y crítica. Debe seguir normas éticas como obtener consentimiento informado y preservar la privacidad, mientras que también existen límites en sus fines, medios, resultados y costos.
Evaluacion de riesgos
El documento describe los aspectos clave del sistema de gestión de seguridad y salud en el trabajo, incluyendo la identificación de peligros, la evaluación de riesgos y la evaluación inicial de riesgos en cada puesto de trabajo. Se debe realizar una evaluación de riesgos inicial por personal competente en consulta con los trabajadores para considerar las condiciones de trabajo existentes o previstas y la posibilidad de que algún trabajador sea especialmente sensible a ciertas condiciones.
Evaluacion de riesgos
El documento describe los aspectos clave del sistema de gestión de seguridad y salud en el trabajo, incluyendo la identificación de peligros, la evaluación de riesgos y la evaluación inicial de riesgos en cada puesto de trabajo. Se debe realizar una evaluación de riesgos inicial por personal competente en consulta con los trabajadores para considerar las condiciones de trabajo existentes o previstas y la posibilidad de que algún trabajador sea especialmente sensible a ciertas condiciones.
Diagrama de afinidad
El diagrama de afinidad es un método creado por el Dr. Kawakita Jiro en 1980 para organizar ideas de un grupo sobre un problema complejo. Se utiliza para identificar las causas potenciales de un problema y sus soluciones agrupando una gran cantidad de datos de una lluvia de ideas. El proceso involucra a un grupo generando ideas en tarjetas que luego son agrupadas por afinidad mutua y representadas gráficamente en un diagrama para su análisis.
Diagrama de flujo[3.3.4 ]
Este documento explica qué es un diagrama de flujo y cómo se usa como herramienta de calidad. Un diagrama de flujo representa gráficamente los pasos de un proceso mediante símbolos y flechas. Ofrece una visión general del proceso y puede usarse para identificar problemas y oportunidades de mejora. El documento describe los tipos básicos de diagramas de flujo y la simbología comúnmente utilizada.
Diagrama de pareto
El Diagrama de Pareto es un método gráfico de análisis que permite priorizar decisiones basadas en la regla 80-20 observada por Pareto, donde el 80% de los efectos proviene del 20% de las causas. Se representa mediante barras ordenadas de mayor a menor para identificar los factores más importantes de un problema, sus causas y objetivos de mejora. Consiste en recolectar datos, ordenarlos, calcular porcentajes individuales y acumulados para construir el diagrama de forma iterativa e identificar nuevas prioridades.
Fila 1
Los datos pueden ser cuantitativos o cualitativos y se recopilan para investigar procesos de distribución, localizar defectos en piezas, identificar causas de defectos y verificar tareas de mantenimiento y chequeo. La hoja de control despliega aspectos a controlar de tal manera que el controlador solo tiene que marcar dónde corresponda en función de si la característica a controlar aparece.
Promotores de-la-calidad fila 7
Este documento describe dos procesos para mejorar la calidad. El primero presenta 10 pasos que incluyen identificar las necesidades de los clientes, desarrollar el producto, reportar progresos y asegurar que la calidad sea parte de los procesos normales. El segundo proceso describe los 14 pasos de Crosby para mejorar la calidad, que involucran asegurar el compromiso de la dirección, formar equipos multidepartamentales, analizar problemas de calidad, comunicar resultados y repetir el proceso continuamente. También menciona herramientas como control est
3
El documento describe los gráficos de control, que sirven para analizar el comportamiento de procesos industriales y prever posibles fallas mediante métodos estadísticos. Los gráficos de control contienen una línea central y límites superior e inferior que definen el rango normal de variación de un proceso. Examinan si un proceso está estable o puede mejorarse, e identifican las fuentes de variación.
Fila 6
Este documento presenta breves biografías de varios pioneros e influyentes pensadores de la calidad como Juran, Ishikawa, Shewhart, Taguchi, Shingo, Feigenbaum y Deming. Se destacan sus principales contribuciones al pensamiento y las prácticas de la calidad como la filosofía de la calidad total, el control estadístico de procesos, el diagrama de Ishikawa, los cuadros de control y el ciclo PDCA.
PRECURSORES DE CALIDAD
Este documento presenta breves biografías de varios pioneros e influyentes pensadores de la calidad como Juran, Ishikawa, Shewhart, Taguchi, Shingo, Feigenbaum y Deming. Describe sus principales contribuciones al pensamiento y las prácticas de gestión de la calidad, incluidos conceptos como el control estadístico de procesos, el diagrama de Ishikawa, la pérdida de funciones y la relación señal/ruido. Resalta que ayudaron a sentar las bases de la gestión moderna de la
Promotores de-la-calidad
Este documento describe dos procesos para mejorar la calidad. El primero consiste en 10 pasos que incluyen identificar las necesidades de los clientes, desarrollar el producto, reportar progresos y asegurar que la calidad sea parte de los procesos normales. El segundo proceso describe los 14 pasos de Crosby para mejorar la calidad, que involucran asegurar el compromiso de la dirección, formar equipos multidepartamentales, analizar problemas de calidad, comunicar resultados y repetir el proceso continuamente. También menciona herramientas como el
Coppel.
El documento describe los procesos de capacitación, evaluación de desempeño y análisis de puestos de la empresa Coppel. Explica que Coppel utiliza una base de datos para asignar a los empleados a los puestos más adecuados y para monitorear su desempeño mediante hojas de resultados. La capacitación incluye cursos iniciales, de valores y programas especiales. El análisis de puestos se basa en un modelo de competencias que define las habilidades requeridas en cada rol.
Metodo de eleccion forzada
Este documento describe el método de evaluación de desempeño conocido como elección forzada. Este método obliga al evaluador a seleccionar la frase que mejor describa el desempeño del empleado entre pares de frases, generalmente una positiva y una negativa. El objetivo es obtener una evaluación más confiable y objetiva que reduzca la subjetividad. Las ventajas incluyen resultados más confiables, aplicación simple y reducción de favoritismos, mientras que las desventajas son una elaboración compleja y que solo proporciona resultados global
2 (1)
Este documento describe el método de comparación de factores para evaluar puestos. Este método utiliza factores como requisitos mentales, habilidades, responsabilidad y condiciones de trabajo para comparar la importancia relativa de los puestos. Inicialmente se seleccionan los factores y se definen, luego se eligen puestos de referencia para compararlos usando una matriz. El objetivo es establecer las diferencias relativas entre los puestos para determinar los salarios apropiados.
Más de Guadalupe P.R (20)
Último
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
Libro Integrado 8vo egb len-mat-ccnn-eess
El curso de Texto Integrado de 8vo grado es un programa académico interdisciplinario que combina los contenidos y habilidades de varias asignaturas clave. A través de este enfoque integrado, los estudiantes tendrán la oportunidad de desarrollar una comprensión más holística y conexa de los temas abordados.
En el área de Estudios Sociales, los estudiantes profundizarán en el estudio de la historia, geografía, organización política y social, y economía de América Latina. Analizarán los procesos de descubrimiento, colonización e independencia, las características regionales, los sistemas de gobierno, los movimientos sociales y los modelos de desarrollo económico.
En Lengua y Literatura, se enfatizará el desarrollo de habilidades comunicativas, tanto en la expresión oral como escrita. Los estudiantes trabajarán en la comprensión y producción de diversos tipos de textos, incluyendo narrativos, expositivos y argumentativos. Además, se estudiarán obras literarias representativas de la región latinoamericana.
El componente de Ciencias Naturales abordará temas relacionados con la biología, la física y la química, con un enfoque en la comprensión de los fenómenos naturales y los desafíos ambientales de América Latina. Se explorarán conceptos como la biodiversidad, los recursos naturales, la contaminación y el desarrollo sostenible.
En el área de Matemática, los estudiantes desarrollarán habilidades en áreas como la aritmética, el álgebra, la geometría y la estadística. Estos conocimientos matemáticos se aplicarán a la resolución de problemas y al análisis de datos, en el contexto de las temáticas abordadas en las otras asignaturas.
A lo largo del curso, se fomentará la integración de los contenidos, de manera que los estudiantes puedan establecer conexiones significativas entre los diferentes campos del conocimiento. Además, se promoverá el desarrollo de habilidades transversales, como el pensamiento crítico, la resolución de problemas, la investigación y la colaboración.
Mediante este enfoque de Texto Integrado, los estudiantes de 8vo grado tendrán una experiencia de aprendizaje enriquecedora y relevante, que les permitirá adquirir una visión más amplia y comprensiva de los temas estudiados.
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
El espiritismo, se puede usar para engañar.
Hablemos de ESI para estudiantes Cuadernillo
Cuadernillo Hablemos de ESI para estudiantes del nivel secundario
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
Último (20)
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
La vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primaria
200. Efemerides junio para trabajar en periodico mural
200. Efemerides junio para trabajar en periodico mural
pueblos originarios de chile presentacion twinkl.pptx
pueblos originarios de chile presentacion twinkl.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
Docentes y el uso de chatGPT en el Aula Ccesa007.pdf
Docentes y el uso de chatGPT en el Aula Ccesa007.pdf
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Dosificación de los aprendizajes U4_Me gustan los animales_Parvulos 1_2_3.pdf
Dosificación de los aprendizajes U4_Me gustan los animales_Parvulos 1_2_3.pdf
Diagrama de dispercion
- 2. El diagrama de dispersión permite analizar si existe algún tipo de relación entre dos variables. Por ejemplo, puede ocurrir que dos variables estén relacionadas de manera que al aumentar el valor de una, se incremente el de la otra. En este caso hablaríamos de la existencia de una correlación positiva. También podría ocurrir que al producirse una en un sentido, la otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable x, se reduzca el de la variable y. Entonces, se estaría ante una correlación negativa. Si los valores de ambas variable se revelan independientes entre sí, se afirmaría que no existe correlación.
- 3. El diagrama de dispersión es una herramienta gráfica que ayuda a identificar la posible relación entre dos variables. Representa la relación entre dos variables de forma gráfica, lo que hace más fácil visualizar e interpretar los datos. De otro lado, calculando el coeficiente de correlación entre dos variables, permite cuantificar el grado de relación entre ambas, así como su signo. Cuando toma un valor próximo a −1, la correlación es fuerte y negativa. Si el valor es cercano a +1, la correlación es fuerte y positiva. Si el coeficiente de correlación lineal presenta un valor próximo a 0, la correlación es débil.
- 4. Un coeficiente de 0 indicaría independencia total entre ambas variables. A su vez, un coeficiente de correlación lineal de 1 ó de -1 señalaría que entre ambas variables hay dependencia funcional, positiva o negativa según el signo del coeficiente. Esta correlación puede señalar, pero no por ello probar, una relación causal, es decir, no predice relaciones causa – efecto, sino que muestra la intensidad de la relación entre dos variables. Por lo tanto, es importante no apresurarse a obtener conclusiones sobre la relación entre las variables, ya que puede ser otra tercera que afecte a la relación.
- 5. Ejemplo de Diagrama de Dispersión Calidad