Este documento presenta cuatro ejemplos de análisis de correlación entre diferentes variables. El primer ejemplo muestra una correlación positiva intensa entre la estatura y el peso de un grupo de 30 personas. El segundo ejemplo analiza las correlaciones entre las mediciones diarias de glucosa en 10 pacientes. El tercer ejemplo encuentra una correlación positiva intensa entre la temperatura y el número de chirridos por minuto en 18 pacientes. Finalmente, el cuarto ejemplo no encuentra una correlación significativa entre el peso y la estatura en un grupo de 11 personas.

1. EJEMPLO 1
Correlaciones
ESTATURA PESO
ESTATURA
Correlación de Pearson 1 ,828**
Sig. (bilateral) ,000
N 30 30
PESO
Correlación de Pearson ,828** 1
Sig. (bilateral) ,000
N 30 30
**. La correlación es significativa al nivel 0,01 (bilateral).
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.828, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre la estatura y
el peso corporal existe una correlación positiva intensa.
r=0.828
2
R = 0.686 = 68%
Interpretación: La talla explica el 68 del peso.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre el peso y talla
Hipótesis Nula (Ho): No existe relación entre el peso y la talla
Siendo el P=0.828 › 0.05 se rechaza la hipótesis H0 y se acepta la hipótesis H1
por lo tanto existe asociación significativa entre el peso y la talla.

2. Coeficientesa
Modelo Coeficientes no estandarizados Coeficientes
tipificados
t Sig.
B Error típ. Beta
1
(Constante) -17,714 6,500 -2,725 ,011
ESTATURA 40,265 5,149 ,828 7,819 ,000
a. Variable dependiente: PESO
PESO= 40.265 x estatura -17.714

3. EJEMPLO 2
Estadísticos descriptivos
Media
Desviación
Típica N
DIA1 55,3000 22,00025 10
DIA2 45,0000 28,76727 10
DIA3 62,9000 24,99533 10
Correlaciones
DIA1 DIA2 DIA3
DIA1 Correlación de Pearson 1 ,059 ,982**
Sig. (bilateral) ,872 ,000
Suma de cuadrados y
productos vectoriales
4356,100 334,000 4861,300
Covarianza 484,011 37,111 540,144
N 10 10 10
DIA2 Correlación de Pearson ,059 1 ,031
Sig. (bilateral) ,872 ,932
Suma de cuadrados y
productos vectoriales
334,000 7448,000 200,000
Covarianza 37,111 827,556 22,222
N 10 10 10
DIA3 Correlación de Pearson ,982** ,031 1
Sig. (bilateral) ,000 ,932
Suma de cuadrados y
productos vectoriales
4861,300 200,000 5622,900
Covarianza 540,144 22,222 624,767
N 10 10 10
**. La correlación es significativa en el nivel 0,01 (2 colas).

4. EJEMPLO 3
Estadísticos descriptivos
Media Desviación
típica
N
temperatura 17,33 7,593 18
chirri x min 80,56 21,853 18
Correlaciones
temperatura chirri x min
temperatura
Correlación de Pearson 1 ,850**
Sig. (bilateral) ,000
N 18 18
chirri x min
Correlación de Pearson ,850** 1
Sig. (bilateral) ,000
N 18 18
**. La correlación es significativa al nivel 0,01 (bilateral).
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.850, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre la
temperatura y el chirrido por minuto existe una correlación positiva intensa.
r=0.850
2
R = 0.722 = 72%
Interpretación: La temperatura explica el 72 de los chirridos.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre la temperatura y el chirrido
por minuto
Hipótesis Nula (Ho): No existe relación entre la temperatura y el chirrido por minuto
Siendo el P=0.850 › 0.05 se rechaza la hipótesis H0 y se acepta la hipótesis H1 por lo
tanto existe asociación significativa entre la temperatura y el chirrido por minuto

5. Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
B Error estándar Beta t Sig.
1 (Constante) 38,166 7,148 5,340 ,000
TEMPERATURA 2,446 ,379 ,850 6,446 ,000
a. Variable dependiente: CHIRRI
Chirrido x minuto = 2.446 x temperatura +38.166
EJEMPLO 4
Estadísticos descriptivos
Media
Desviación
estándar N
Peso 56,2727 8,46275 11
Estatura 1,3927 ,14894 11
Correlaciones
Peso Estatura
Peso Correlación de Pearson 1 ,451
Sig. (bilateral) ,164
N 11 11
Estatura Correlación de Pearson ,451 1
Sig. (bilateral) ,164
N 11 11
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.451, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre el peso y la
estatura no existe correlación positiva intensa.
r=0.451

6. 2
R = 0.203 = 20%
Interpretación: La estatura explica el 20 del peso.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre la estatura y el peso
Hipótesis Nula (Ho): No existe relación entre la estatura y el peso
Siendo el P=0.451 › 0.05 se rechaza la hipótesis H1 y se acepta la hipótesis H0 por lo
tanto no existe asociación significativa entre la estatura y el peso
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
B Error estándar Beta t Sig.
1 (Constante) 20,598 23,669 ,870 ,407
Estatura 25,615 16,907 ,451 1,515 ,164
a. Variable dependiente: Peso
Peso = 25.61 x estatura + 20.59