Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
EL ABC DEL ANÁLISIS DE CORRELACIÓN DE PEARSON UNIVERSIDAD ANÁHUAC MN FACULTAD DE EDUCACIÓN LUIS MEDINA GUAL AGO-DIC 2007
Relaciones: Basquetbolista= Persona alta CI alto= Buenas calif. en mate Mayor altura= Mayor peso
Relaciones: ¿Fuertes? ¿Débiles? ¿Hay relaciones? ¿En que medida están relacionadas? ¿Puedo predecir una variable a partir ...
Relaciones: Si medimos la relación decimos que medimos una  CORRELACIÓN  entre las variables
Relaciones: Inteligencia 2 variables= correlación  simple Calificaciones
Relaciones: Inteligencia Más de 2 variables= correlación  múltiple Calificaciones Relaciones familiares Nivel socio-económ...
CORRELACIÓN BIVARIADA  (PEARSON)
Objetivo: ¿Relación entre variables? Sí  cambia X al cambiar de forma definida Y No  cambia X cambiar de forma definida Y
Relación ------ Causalidad CORRELACIÓN Relación
Relación ------ Causalidad CORRELACIÓN Provoca Provoca
Producto-Momento de Pearson Gráfico Analítico
<ul><li>Requisitos: </li></ul><ul><li>DOS variables numéricas, en una escala continua </li></ul><ul><li>Relación lineal </...
<ul><li>Dos variables de escala: </li></ul><ul><li>Nominal </li></ul><ul><li>Ordinal </li></ul><ul><li>Escala </li></ul><u...
Método Gráfico: CI $ 1000 4000 6000 8000 10000 12000 14000 16000 18000 20000 22000 24000 70 80 90 100 110 120 130 140 60 5...
Método Gráfico: “ Diagrama de dispersión” o “nube de puntos” Cada punto representa a un sujeto, y señala la intersección d...
¿Cómo sabemos qué tan fuerte es la relación? Por el ancho de la nube de puntos
 
 
 
 
 
<ul><li>Requisitos: </li></ul><ul><li>DOS variables numéricas, en una escala continua </li></ul><ul><li>Relación lineal </...
Relación lineal
Otras Relaciones
Otras Relaciones
Otras Relaciones
¿Relación? Memoria Edad 40 50 60 70 80 90 100 30 20 10 Juventud Adultez Vejez
<ul><li>Homoscedasticidad </li></ul><ul><li>Que exista aproximadamente la misma desviación de los puntos a lo largo de la ...
Homocedasticidad
Homoscedasticidad
Homoscedasticidad
<ul><li>Método analítico </li></ul>
Índice “r de Pearson”: Magnitud Dirección
Índice “r de Pearson”: -1 +1 0
Magnitud (#): 1 0 “ A mayor número mayor correlación”
Magnitud (#): Baja: 0.30 Media: 0.50 Alta: 0.70 Perfecta= 1
Magnitud (#): r= 0.95
Magnitud (#): r= 0.82
Magnitud (#): r= 0.76
Magnitud (#): r= 0.41
Magnitud (#): r= 0.001
Dirección (signo): (+) (-)
(+) Dirección: ascendente
(-) Dirección: descendente
Magnitud (#): r= -0.95
Intensidad (#): r= -0.82
Intensidad (#): r= -0.76
Intensidad (#): r= -0.41
Magnitud (#): r= -0.001
Fuerza de la correlación: -1 +1 0 Perfecta Perfecta Nula
r= 0.85 Dibuja los puntos de: r= 0.85
r= 0.13 Dibuja los puntos de:
r= -0.91 Dibuja los puntos de:
r= -0.21 Dibuja los puntos de:
r= 0.21 ¿Cuál correlación es más fuerte? r= 0.80
r= -0.71 ¿Cuál correlación es más fuerte? r= -0.68
r= -0.91 ¿Cuál correlación es más fuerte? r= 0.87
Producto-Momento de Pearson Fórmula: r =  N    XY – (  X) (  Y)  ____________________________________      [ N    X 2...
horas de estudio calificación X Y XY X 2 Y 2 1 5 5 1 25 2 8 18 9 36 4 8 32 16 64 6 9 54 36 81 7 9 63 49 81 8 10 80 64 100 ...
r =  _ (__) – (_) (_) [ _ (__) - (_) 2 ]  [ _(__) – (_) 2 ]  N= 6 horas de estudio calificación X Y XY X 2 Y 2 28 49 250 ...
r =  6 (250) – (28) (49) [6 (170) - (28) 2 ]  [6(415) – (49) 2 ]  r =  1500 – 1372 [1020 - 784]  [2490 – 2401] 
r = 0.81 r =    128 [236]  [89]  r =    128 21004 
r = 0.88 r =    128 144.927568
Interpretación: “ Se realizó un análisis de correlación de Pearson con la finalidad de saber si la variable horas de estud...
Interpretación: “ Se realizó un análisis de correlación de Pearson con la finalidad de saber si la variable (nombre) y la ...
Tabla de significancia de r: Además, se puede especificar si esta correlación es o no significativa desde el punto de vist...
5% 5%
<ul><li>Para el ejercicio anterior donde obtuvimos una r = .81, buscaríamos los valores de la tabla para N = 5 porque (6 –...
Correlación espuria <ul><li>Se define como una correlación  aparente entre dos variables pero que no puede ser explicada d...
Contacto <ul><li>[email_address] </li></ul>
Upcoming SlideShare
Loading in …5
×

ABC de la Correlación Bivariada de Pearson

33,642 views

Published on

Presentación sobre el ABC de la Correlación Bivariada de Pearson para estudiantes de las Ciencias Sociales

Download: http://www.4shared.com/file/80789005/a20859bc/Correlacin_Modo_de_compatibilidad.html

ABC de la Correlación Bivariada de Pearson

  1. 1. EL ABC DEL ANÁLISIS DE CORRELACIÓN DE PEARSON UNIVERSIDAD ANÁHUAC MN FACULTAD DE EDUCACIÓN LUIS MEDINA GUAL AGO-DIC 2007
  2. 2. Relaciones: Basquetbolista= Persona alta CI alto= Buenas calif. en mate Mayor altura= Mayor peso
  3. 3. Relaciones: ¿Fuertes? ¿Débiles? ¿Hay relaciones? ¿En que medida están relacionadas? ¿Puedo predecir una variable a partir de la otra?
  4. 4. Relaciones: Si medimos la relación decimos que medimos una CORRELACIÓN entre las variables
  5. 5. Relaciones: Inteligencia 2 variables= correlación simple Calificaciones
  6. 6. Relaciones: Inteligencia Más de 2 variables= correlación múltiple Calificaciones Relaciones familiares Nivel socio-económico
  7. 7. CORRELACIÓN BIVARIADA (PEARSON)
  8. 8. Objetivo: ¿Relación entre variables? Sí cambia X al cambiar de forma definida Y No cambia X cambiar de forma definida Y
  9. 9. Relación ------ Causalidad CORRELACIÓN Relación
  10. 10. Relación ------ Causalidad CORRELACIÓN Provoca Provoca
  11. 11. Producto-Momento de Pearson Gráfico Analítico
  12. 12. <ul><li>Requisitos: </li></ul><ul><li>DOS variables numéricas, en una escala continua </li></ul><ul><li>Relación lineal </li></ul><ul><li>Homoscedasticidad </li></ul>
  13. 13. <ul><li>Dos variables de escala: </li></ul><ul><li>Nominal </li></ul><ul><li>Ordinal </li></ul><ul><li>Escala </li></ul><ul><li>Razón </li></ul>
  14. 14. Método Gráfico: CI $ 1000 4000 6000 8000 10000 12000 14000 16000 18000 20000 22000 24000 70 80 90 100 110 120 130 140 60 50 40
  15. 15. Método Gráfico: “ Diagrama de dispersión” o “nube de puntos” Cada punto representa a un sujeto, y señala la intersección de su valor en X y en Y.
  16. 16. ¿Cómo sabemos qué tan fuerte es la relación? Por el ancho de la nube de puntos
  17. 22. <ul><li>Requisitos: </li></ul><ul><li>DOS variables numéricas, en una escala continua </li></ul><ul><li>Relación lineal </li></ul><ul><li>Homoscedasticidad </li></ul>
  18. 23. Relación lineal
  19. 24. Otras Relaciones
  20. 25. Otras Relaciones
  21. 26. Otras Relaciones
  22. 27. ¿Relación? Memoria Edad 40 50 60 70 80 90 100 30 20 10 Juventud Adultez Vejez
  23. 28. <ul><li>Homoscedasticidad </li></ul><ul><li>Que exista aproximadamente la misma desviación de los puntos a lo largo de la línea imaginaria </li></ul>
  24. 29. Homocedasticidad
  25. 30. Homoscedasticidad
  26. 31. Homoscedasticidad
  27. 32. <ul><li>Método analítico </li></ul>
  28. 33. Índice “r de Pearson”: Magnitud Dirección
  29. 34. Índice “r de Pearson”: -1 +1 0
  30. 35. Magnitud (#): 1 0 “ A mayor número mayor correlación”
  31. 36. Magnitud (#): Baja: 0.30 Media: 0.50 Alta: 0.70 Perfecta= 1
  32. 37. Magnitud (#): r= 0.95
  33. 38. Magnitud (#): r= 0.82
  34. 39. Magnitud (#): r= 0.76
  35. 40. Magnitud (#): r= 0.41
  36. 41. Magnitud (#): r= 0.001
  37. 42. Dirección (signo): (+) (-)
  38. 43. (+) Dirección: ascendente
  39. 44. (-) Dirección: descendente
  40. 45. Magnitud (#): r= -0.95
  41. 46. Intensidad (#): r= -0.82
  42. 47. Intensidad (#): r= -0.76
  43. 48. Intensidad (#): r= -0.41
  44. 49. Magnitud (#): r= -0.001
  45. 50. Fuerza de la correlación: -1 +1 0 Perfecta Perfecta Nula
  46. 51. r= 0.85 Dibuja los puntos de: r= 0.85
  47. 52. r= 0.13 Dibuja los puntos de:
  48. 53. r= -0.91 Dibuja los puntos de:
  49. 54. r= -0.21 Dibuja los puntos de:
  50. 55. r= 0.21 ¿Cuál correlación es más fuerte? r= 0.80
  51. 56. r= -0.71 ¿Cuál correlación es más fuerte? r= -0.68
  52. 57. r= -0.91 ¿Cuál correlación es más fuerte? r= 0.87
  53. 58. Producto-Momento de Pearson Fórmula: r = N  XY – (  X) (  Y) ____________________________________  [ N  X 2 – (  X ) 2 ] [ N  Y 2 – (  Y ) 2 ] Donde N= # de pares de datos (Existen varias)
  54. 59. horas de estudio calificación X Y XY X 2 Y 2 1 5 5 1 25 2 8 18 9 36 4 8 32 16 64 6 9 54 36 81 7 9 63 49 81 8 10 80 64 100 28 48 243 170 398
  55. 60. r = _ (__) – (_) (_) [ _ (__) - (_) 2 ] [ _(__) – (_) 2 ]  N= 6 horas de estudio calificación X Y XY X 2 Y 2 28 49 250 170 415
  56. 61. r = 6 (250) – (28) (49) [6 (170) - (28) 2 ] [6(415) – (49) 2 ]  r = 1500 – 1372 [1020 - 784] [2490 – 2401] 
  57. 62. r = 0.81 r = 128 [236] [89]  r = 128 21004 
  58. 63. r = 0.88 r = 128 144.927568
  59. 64. Interpretación: “ Se realizó un análisis de correlación de Pearson con la finalidad de saber si la variable horas de estudio y la variable calificaciones están relacionadas entre sí. Se obtuvo un coeficiente de .88 que sugiere que existe una alta correlación positiva entre ambas variables”, es decir, a mayor hora de estudio, mayor calificación. Consejo: estudien algunas horas para que les vaya bien en sus exámenes…
  60. 65. Interpretación: “ Se realizó un análisis de correlación de Pearson con la finalidad de saber si la variable (nombre) y la variable (nombre) están relacionadas entre sí. Se obtuvo un coeficiente de ________ que sugiere que existe una (alta-media-baja) correlación (signo) entre ambas variables”.
  61. 66. Tabla de significancia de r: Además, se puede especificar si esta correlación es o no significativa desde el punto de vista estadístico. Se compara el resultado obtenido con el valor correspondiente en una tabla y se estima qué tan probable sería observar una correlación de semejante magnitud. Si la p es igual o menor que .05 (5%) se dice que es estadísticamente significativa, lo que significa que es poco probable que esta correlación se dé por el azar. Si la probabilidad es mayor que este valor se dice que no es significativa pues ese resultado bien podría observarse por el azar.
  62. 67. 5% 5%
  63. 68. <ul><li>Para el ejercicio anterior donde obtuvimos una r = .81, buscaríamos los valores de la tabla para N = 5 porque (6 – 1 = 5) </li></ul><ul><li>En la tabla encontramos estos valores: </li></ul><ul><li>Ahora comparamos el resultado obtenido (.81) con los valores de la tabla y vemos que la correlación sí resulta significativa al .05. Podemos afirmar, con un 5% de probabilidad de equivocarnos, que las dos variables sí están correlacionadas. </li></ul>g.l. .05 .02 .01 .001 5 .7545 .8329 .8745 .95074
  64. 69. Correlación espuria <ul><li>Se define como una correlación aparente entre dos variables pero que no puede ser explicada desde el punto de vista teórico. </li></ul><ul><li>Al realizar un análisis de correlación el marco teórico brinda las bases para explicar por qué se espera que se relacionen las variables. </li></ul>
  65. 70. Contacto <ul><li>[email_address] </li></ul>

×