Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 42 vistas

    SESION 11 - Correlacion Lineal 1

    Cargado por

    Liliana Tello Portilla
    Este documento presenta información sobre la correlación lineal y el coeficiente de correlación de Pearson (r). Explica cómo calcular r a partir de los datos de dos variables, y cómo interpretar sus valores. También muestra un ejemplo de cálculo de r para la relación entre el peso y la presión arterial de un grupo de pacientes, encontrando una fuerte correlación positiva.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    SESION 11 - Correlacion Lineal 1

    Cargado por

    Liliana Tello Portilla
    42 vistas33 páginas
    Este documento presenta información sobre la correlación lineal y el coeficiente de correlación de Pearson (r). Explica cómo calcular r a partir de los datos de dos variables, y cómo interpretar sus valores. También muestra un ejemplo de cálculo de r para la relación entre el peso y la presión arterial de un grupo de pacientes, encontrando una fuerte correlación positiva.

    Título original

    SESION_11_-_Correlacion_lineal_1.pptx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta información sobre la correlación lineal y el coeficiente de correlación de Pearson (r). Explica cómo calcular r a partir de los datos de dos variables, y cómo interpretar sus valores. También muestra un ejemplo de cálculo de r para la relación entre el peso y la presión arterial de un grupo de pacientes, encontrando una fuerte correlación positiva.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    42 vistas33 páginas

    SESION 11 - Correlacion Lineal 1

    Cargado por

    Liliana Tello Portilla
    Este documento presenta información sobre la correlación lineal y el coeficiente de correlación de Pearson (r). Explica cómo calcular r a partir de los datos de dos variables, y cómo interpretar sus valores. También muestra un ejemplo de cálculo de r para la relación entre el peso y la presión arterial de un grupo de pacientes, encontrando una fuerte correlación positiva.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 33

    Curso: Estadística

    Corrrelación Lineal
    Estadística Descriptiva

    Profesor: Dina Ñuflo Valdivia


    Fecha: 29/10/2018
    Karl Pearson
    1857 - 1936
    COMPETENCIAS DE LA SESIÓN

    Al termino de la sesión, el estudiante estará en capacidad


    de determinar la asociación variables con gráficas y el
    coeficiente de correlación de Pearson.
    Sesión 11

    CORRELACIÓN LINEAL

    Contenido:

    11.1 Gráfico de Dispersión

    11.2 Correlación de Pearson


    ¿ Qué es correlación?

    190
    Se correlaciona los 180

    datos de dos
    170

    Presión arterial (mm/Hg)


    160

    variables numéricas 150


    140

    con diferentes 130


    120
    unidades de 110

    medidas.
    100
    60 70 80 90 100 110 120 130 140
    Peso en Kg.
    1. GRÁFICO DE DISPERSIÓN

    Consiste en graficar los datos en el plano cartesiano (X,Y)


    y observar la relación de los datos si directa o inversa.

    Correlación Directa Correlación Inversa


    190
    180
    170
    Presión arterial (mm/Hg)

    160
    150
    140
    130
    120
    110
    100
    60 70 80 90 100 110 120 130 140
    Peso en Kg.
    2. Coeficiente de Correlación de Pearson
    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.

    6
    Coeficiente de Correlación de Pearson
    En el caso de que se esté estudiando dos variables
    aleatorias x e y sobre una población; el coeficiente de
    correlación de Pearson se simboliza con la letra , siendo la
    expresión que nos permite calcularlo:

     La covarianza está dado por:

    7
    Coeficiente R
    de Pearson

    Donde;
      es la covarianza de (X,Y)
      es la desviación típica de la variable X
     es la desviación típica de la variable Y
    De manera análoga podemos calcular este coeficiente sobre un
    estadístico muestral, denotado como   a:

    8
    Ventajas y Desventajas del Coeficiente de Pearson

    • Ventajas
     El valor del coeficiente de
    correlación es independiente de
    cualquier unidad usada para • Desventajas
    medir variables.  Requiere supuestos acerca de la
     Mientras mas grande sea la naturaleza o formas de las
    muestra mas exacta será la poblaciones afectadas.
    estimación.  Requiere que las dos variables
    hayan ido medidas hasta un nivel
    cuantitativo continuo y que la
    distribución de ambas sea
    semejante a la de la curva normal.
    9
    Usos del Coeficiente de Correlación de Pearson

     Permite predecir el valor de una


    variable dado un valor determinado de
    la otra variable.
     Se trata de valorar la asociación entre
    dos variables cuantitativas estudiando
    el método conocido como correlación.
     Dicho cálculo es el primer paso para
    determinar la relación entre las
    variables.
     Consiste en la posibilidad de calcular
    su distribución muestral y así poder
    determinar su error típico de
    estimación.

    10
    Usos del Coeficiente de Correlación de Pearson

     Reporta un valor de correlación cercano


    a 0 como un indicador de que no hay
    relación lineal entre 2 variables.
     Reporta un valor de correlación cercano
    a 1 como un indicador de que existe
    una relación lineal positiva entre las 2
    variables. Un valor mayor a cero que se
    acerque a 1 da como resultado una
    mayor correlación positiva entre la
    información.

    11
    Características de la R de Pearson
     La r de Pearson es una medida que indica hasta que punto los mismos
    individuos o sucesos ocupan la misma posición relativa a 2 variables.
     La r de Pearson refleja únicamente la relación lineal entre 2 variables.
     Cuando la relación es perfecta positiva, cada individuo obtiene
    exactamente las mismas calificaciones en ambas variables.
     Un valor alto positivo alto de r de Pearson indica que cada individuo
    obtiene, aproximadamente; las mismas calificaciones en ambas
    variables.

    12
    Interpretación del Coeficiente R de Pearson

    13
    Correlación negativa perfecta
    10
    9
    8
    7
    6
    Y 5
    4
    3
    2
    1
    0
    0 1 2 3 4 5 6 7 8 9 10
    X
    Correlación positiva perfecta
    10
    9
    8
    7
    6
    Y 5
    4
    3
    2
    1
    0
    0 1 2 3 4 5 6 7 8 9 10
    X
    Correlación nula
    10
    9
    8
    7
    6
    Y 5
    4
    3
    2
    1
    0
    0 1 2 3 4 5 6 7 8 9 10
    X
    Correlación positiva fuerte
    10
    9
    8
    7
    6
    Y 5
    4
    3
    2
    1
    0
    0 1 2 3 4 5 6 7 8 9 10
    X
    Ejemplo:
    Hipertensión en pacientes obesos
    En un Centro de Salud hacen el seguimiento de la tensión arterial a
    sus pacientes, y los resultados constatan que aquéllos que tienen
    sobrepeso, tienen una tensión arterial superior a la media.

    Vamos a ver los datos y a calcular la covarianza y el coeficiente de


    correlación de Pearson de este estudio. Para simplificar los cálculos,
    tomaremos una muestra de 10 pacientes.

    Nota: se desarrolla en Ms excel o manualmente


    Datos:
    X = Peso (kg) 72 76 78 81 89 95 108 115 120 130
    Y = Tensión
    115 121 125 130 141 150 165 170 177 178
    sistólica (mm Hg)

    En nuestro caso tenemos que el número de datos totales es N=10.

    Para calcular la covarianza necesitamos:


    • Las medias marginales de X e Y.

    • El producto de cada xi por cada yi.

    Para las desviaciones típicas marginales necesitamos:


    • El cuadrado de x y de y .
    i i
    Para poder realizar los cálculos con mayor comodidad,
    utilizaremos la siguiente tabla:
    xi yi xi·yi xi2 yi2
    72 115
    76 121
    78 125
    81 130
    89 141
    95 150
    108 165
    115 170
    120 177
    130 178

    Cálculo de x Cálculo de y Cálculo de xy Cálculo de x Cálculo de y


    xi yi xi·yi xi2 yi2
    72 115 8280 5184 13225
    76 121 9196 5776 14641
    78 125 9750 6084 15625
    81 130 10530 6561 16900
    89 141 12549 7921 19881
    95 150 14250 9025 22500
    108 165 17820 11664 27225
    115 170 19550 13225 28900
    120 177 21240 14400 31329
    130 178 23140 16900 31684
    964 1472 146305 96740 221910

    Vamos a quedarnos sólo con la última fila para hacer los cálculos
    xi yi xi·yi xi2 yi2
    964 1472 146305 96740 221910

    • Media marginal de X:

    • Media marginal de Y:

    • Desviación típica marginal de X:

    • Desviación típica marginal de Y:

    • Covarianza:

    • Coef. Correlación de Pearson:


    La covarianza y el coeficiente de correlación son positivos, luego la
    correlación es directa.

    Además el Coeficiente de correlación está muy cercano a 1, por lo que la


    correlación es muy fuerte.

    Gráfico de Dispersión
    200
    Tensión sistólica (mm Hg)

    180
    160
    140
    120
    100
    80
    60
    65 75 85 95 105 115 125 135
    Peso (kg)
    Procedimiento con Excell
    1. En primer lugar se debe obtener el gráfico de dispersión y describir
    la tendencia.

    En excell se debe seguir la siguiente secuencia :


    INSERTAR  DISPERSION PUNTOS --- AGREGAR e ingresar los
    siguientes datos :

    Eje X: X = Peso (kg)


    Eje Y: Y = Tensión sistólica (mm Hg)

    Aceptar

    24
    25
    26
    27
    28
    Procedimiento
    2. Obtener el coeficiente de correlación de Pearson para analizar la
    magnitud de asociación de las variables.

    En excell se debe seguir la siguiente secuencia :


    FORMULAS  MAS FUNCIONES --- ESTADISTICAS
     CORRELACIONES ingresar los siguientes datos :

    Eje X: X = Peso (kg)


    Eje Y: Y = Tensión sistólica (mm Hg)

    29
    La correlación de Pearson entre el Peso (Kg) y la Tensión Sistólica
    (mm Hg) de 0,986 que es muy alta

    30
    Ejercicio 1
    • Juan Escobedo, presidente de la sociedad de alumnos de
    la Universidad Wiener, se ocupa de estudiar el costo de
    los libros de texto.
    • Él cree que hay una relación entre el número de páginas
    en el texto y el precio de venta del libro.
    • Para proporcionar una prueba, selecciona una muestra de
    ocho libros de texto actualmente en venta en la librería.
    • Dibuje un diagrama de dispersión.
    • Compruebe el coeficiente de correlación.
    Ejercicio 1
    Libro Páginas Precio (S/.)
    IIntroducción a la Historia 500 84
    Álgebra 700 75
    Introducción a la Psicología 800 99
    Introducción a la Sociología 600 72
    Mercadotecnia 400 69
    Introducción a la Biología 500 81
    Fundamentos de Jazz 600 63
    Introducción a la Enfermería 800 93
    Bibliografía
     Véliz Capuñay, Carlos, 2011, México. Estadística para la
    administración y los negocios, Primera Edición, 2011, Prentice
    Hall. Pearson
     Correlación en Wikipedia (español):
    http://es.wikipedia.org/wiki/Correlaci%C3%B3n Relación entre
    variables cuantitativas.
     http://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantit
    ativas2.pdf Correlation en Wikipedia (inglés).
     http://personal.us.es/vararey/adatos2/correlacion.pdf.
     https://es.wikipedia.org/wiki/Coeficiente_de_correlaci
    %C3%B3n_de_Pearson.

    33

    También podría gustarte