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.

1. REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD BICENTENARIA DE ARAGUA
A.C E. SUPERIORES GERENCIALES CORPORATIVOS
VALLES DEL TUY
FACULTAD CIENCIAS SOCIALES
ESCUELA DE PSICOLOGÍA
PSICOESTADÍSTICA
Facilitador:
Jaime Garrido
Elaborado por:
León Anny
Charallave, Diciembre de 2019
COEFICIENTES DE
CORRELACIÓN

2. COEFICIENTE DE CORRELACIÓN
LINEAL R DE PEARSON.
Es una prueba que mide la relación estadística
entre dos variables continuas. Si la asociación
entre los elementos no es lineal, entonces el
coeficiente no se encuentra representado
adecuadamente.
El coeficiente de correlación de Pearson puede
tomar un rango de valores de +1 a -1. Un valor de
0 indica que no hay asociación entre las dos
variables. Un valor mayor que 0 indica una
asociación positiva. Es decir, a medida que
aumenta el valor de una variable, también lo hace
el valor de la otra. Un valor menor que 0 indica
una asociación negativa; es decir, a medida que
aumenta el valor de una variable, el valor de la
otra disminuye.

3. CÓMO SE CALCULA EL
COEFICIENTE DE CORRELACIÓN
DE PEARSON
La fórmula del coeficiente de correlación de Pearson es la
siguiente:
Donde:
“x” es igual a la variable número uno, “y” pertenece a la
variable número dos, “zx” es la desviación estándar de la
variable uno, “zy” es la desviación estándar de la variable
dos y “N” es número de datos.

4. Interpretación del coeficiente de
correlación de karl pearson.
El coeficiente de correlación de Pearson tiene el
objetivo de indicar cuán asociadas se encuentran
dos variables entre sí por lo que:
Correlación menor a cero: Si la correlación es
menor a cero, significa que es negativa, es decir,
que las variables se relacionan inversamente.
Cuando el valor de alguna variable es alto, el valor
de la otra variable es bajo. Mientras más próximo
se encuentre a -1, más clara será la covariación
extrema. Si el coeficiente es igual a -1, nos
referimos a una correlación negativa perfecta.
Correlación mayor a cero: Si la correlación es
igual a +1 significa que es positiva perfecta. En
este caso significa que la correlación es positiva,
es decir, que las variables se correlacionan
directamente.

5. Entre las principales ventajas del
coeficiente de correlación de Karl Pearson
se encuentran:
El valor es independiente de cualquier
unidad que se utiliza para medir las
variables.
Si la muestra es grande, es más probable
la exactitud de la estimación.
Alguna de las desventajas del coeficiente
de correlación de Pearson son:
Es necesario las dos variables sean
medidas a un nivel cuantitativo continuo.
La distribución de las variables deben ser
semejantes a la curva normal.
Ventajas y desventajas del
coeficiente de correlación de
Pearson

6. Coeficiente Phi
También llamado coeficiente de
correlación de Mathews es una
medida de la asociación entre dos
variables binarias. Esta medida es
similar al coeficiente de correlación de
Pearson en su interpretación. De
hecho, un coeficiente de correlación
de Pearson estimado para dos
variables binarias nos dará el
coeficiente phi. El coeficiente phi
también relacionado con el estadístico
de chi-cuadrado para una tabla de
contingencia de a 2×2.2

7. Coeficiente Tau de Kendall
Ofrece el valor que posibilita decidir el
nivel de concordancia entre los expertos.
El valor de W oscila entre 0 y 1. El valor
de 1 significa una concordancia de
acuerdos total y el valor de 0 un
desacuerdo total. La tendencia a 1 es lo
deseado pudiéndose realizar nuevas
rondas si en la primera no es alcanzada
significación en la concordancia.

8. Formula para el calculo.
Este coeficiente se calcula con el uso de las
fórmulas que muestran a continuación:
W: Coeficiente de concordancia.
K: Cantidad de expertos.
N: Cantidad de variables.
T: Factor de corrección.
Rj: Suma de los rangos asignados a cada
variable.
S: Suma de los cuadrados de las desviaciones.
t: Número de observaciones en un grupo ligado
por un rango dado

9. Correlación C
Simboliza la distribución, y también es
conocida como la distribución para una
variable independiente.