Correlacin

En probabilidad y estadstica, la correlacin indi- Correlacin cannica

ca la fuerza y la direccin de una relacin lineal y
proporcionalidad entre dos variables estadsticas. Se con- Coeciente de Correlacin Intraclase
sidera que dos variables cuantitativas estn correlaciona-
Correlacin de Kendall
das cuando los valores de una de ellas varan sistemtica-
mente con respecto a los valores homnimos de la otra: Correlacin de Jaspen
si tenemos dos variables (A y B) existe correlacin en-
tre ellas si al disminuir los valores de A lo hacen tambin
los de B y viceversa. La correlacin entre dos variables 2.1 Interpretacin geomtrica
no implica, por s misma, ninguna relacin de causalidad
(Vase cum hoc ergo propter hoc). Dados los valores muestrales de dos variables aleatorias
X(x1 , . . . , xn ) e Y (y1 , . . . , yn ) , que pueden ser consi-
deradas como vectores en un espacio a n dimensiones,
1 Fuerza, sentido y forma de la co- pueden construirse los vectores centrados como:
rrelacin
X(x1 x, . . . , xn x) e Y (y1
y, . . . , yn y) .
La relacin entre dos variables cuantitativas queda repre-
sentada mediante la lnea de mejor ajuste, trazada a partir
de la nube de puntos. Los principales componentes ele- El coseno del ngulo alfa entre estos vectores es dado por
mentales de una lnea de ajuste y, por lo tanto, de una la frmula siguiente:
correlacin, son la fuerza, el sentido y la forma:
r = cos() =
La fuerza extrema segn el caso, mide el grado en N

que la lnea representa a la nube de puntos: si la nu- (xi x) (yi y)

be es estrecha y alargada, se representa por una lnea v i=1
v
uN uN
recta, lo que indica que la relacin es fuerte; si la nu- u u
be de puntos tiene una tendencia elptica o circular, t 2 t
(xi x) (yi y)2
la relacin es dbil. i=1 i=1

El sentido mide la variacin de los valores de B con

Pues cos() es el coeciente de correlacin muestral de
respecto a A: si al crecer los valores de A lo hacen
Pearson. El coeciente de correlacin es el coseno del n-
los de B, la relacin es directa (pendiente positiva);
gulo entre ambos vectores centrados:
si al crecer los valores de A disminuyen los de B, la
relacin es inversa (pendiente negativa).
Si r = 1, el ngulo = 0 , ambos vectores son
La forma establece el tipo de lnea que dene el me- colineales (paralelos).
jor ajuste: la lnea recta, la curva monotnica o la
curva no monotnica Si r = 0, el ngulo = 90 , ambos vectores son
ortogonales.

Si r =1, el ngulo = 180 , ambos vectores son

2 Coecientes de correlacin colineales de direccin opuesto.

Existen diversos coecientes que miden el grado de co-

rrelacin, adaptados a la naturaleza de los datos. El ms
conocido es el coeciente de correlacin de Pearson (in-
troducido en realidad por Francis Galton), que se obtiene
dividiendo la covarianza de dos variables entre el produc-
to de sus desviaciones estndar. Otros coecientes son:
Coeciente de correlacin de Spearman
Ms generalmente: = arccos(r) .
Por supuesto, desde el punto vista geomtrico, no habla-
mos de correlacin lineal: el coeciente de correlacin
tiene siempre un sentido, cualquiera sea su valor entre 1
y 1. Nos informa de modo preciso, no tanto sobre el grado
de dependencia entre las variables, sino sobre su distancia
angular en la hiperesfera a n dimensiones.

1
2 4 ENLACES EXTERNOS

[ ]
La Iconografa de las correlaciones es un mtodo de an- 1r 2
= r 1 + 2(n1)
lisis multidimensional que reposa en esta idea. La corre-
lacin lineal se da cuando en una nube de puntos se en-
es subptima. Se puede obtener un estimador sesgado con
cuentran o se distribuyen alrededor de una recta.
mnima varianza para grandes valores de n, con sesgo de
La frmula de correlacin para dos series distintas con orden 1 buscando el mximo de la expresin:
n1
cierto desfase k, est dada por la frmula:
[ ]
1r 2
k log f (r) , i.e. = r 1 2(n1)

N
(xi x) (yi+k y)
rk = v i=1
v En el caso especial de que = 0 , la distribucin original
uN k u N
u u puede ser reescrita como:
t (xi x)2 t (yi y)2
i=1 i=k+1 n4
(1r2 ) 2
f (r) = B( 12 , n2
2 )

2.2 Distribucin del coeciente de correla-

cin donde B es la funcin beta.

El coeciente de correlacin muestral o analtico de una

muestra es de hecho una variable aleatoria, eso signica 3 Referencias
que si repetimos un experimento o consideramos diferen-
tes muestras se obtendrn valores diferentes y por tanto el [1] Kenney, J. F. and Keeping, E. S., Mathematics of Statistics,
coeciente de correlacin muestral calculado a partir de Pt. 2, 2nd ed. Princeton, NJ: Van Nostrand, 1951.
ellas tendr valores ligeramente diferentes. Para muestras
[2] Correlation Coecient - Bivariate Normal Distribution
grandes la variacin en dicho coeciente ser menor que
para muestras pequeas. R. A. Fisher fue el primero en
determinar la distribucin de probabilidad para el coe-
ciente de correlacin. 4 Enlaces externos
Si las dos variables aleatorias que trata de relacionarse
proceden de una distribucin gaussiana bivariante enton- Diccionario Estadstico - Divestadstica (en caste-
ces el coeciente de correlacin r sigue una distribucin llano)
de probabilidad dada por:[1][2] Simulacin de la correlacin entre dos variables dis-
cretas con R (lenguaje de programacin)
f (r) =
n1
(n2) (n1)(12 ) 2 (1r 2 )
n4
2 (1 1 2n1 r+1
)
3 2 F1 2, 2; 2 ; 2
2 (n 12 )(1r)n 2

donde:

es la distribucin gamma
2 F1 (a, b; c; z) es la funcin gaussiana hiper-
geomtrica.

Ntese que el valor esperado del coeciente de correla-

cin muestral r es:

(12 )
E (r) = 2(n1) +

por tanto, r es estimador sesgado de . Puede obtener-

se un estimador aproximado no sesgado resolviendo la
ecuacin:

(12 )
r = E (r) = 2(n1) para

Aunque, la solucin:
 3

5 Origen del texto y las imgenes, colaboradores y licencias

5.1 Texto
Correlacin Fuente: https://es.wikipedia.org/wiki/Correlaci%C3%B3n?oldid=99506250 Colaboradores: Benjavalero, RobotQuistnix, Al-
hen, BOT-Superzerocool, Mxcatania, Baneld, CEM-bot, Marianov, Davius, Thijs!bot, Lauranrg, JAnDbot, Humberto, Rei-bot, Volkov-
Bot, Technopat, Galandil, Matdrodes, Bucho, SieBot, Tirithel, Egozcue, Juan Mayordomo, Frei sein, VanBot, Camilo, UA31, EjsBot, Masti-
Bot, Redeyes, Diegusjaimes, Luckas-bot, Amirobot, Riad.Bot~eswiki, El Quinche, ArthurBot, SuperBraulio13, Jkbw, Posesso, M.pena.91,
KamikazeBot, Ripchip Bot, Grillitus, Rezabot, Acratta, Addbot, Valdemararce, Gonzalo.villarreal, Jarould, Josealberto4444, Hache g y
Annimos: 62

5.2 Imgenes

5.3 Licencia del contenido

Creative Commons Attribution-Share Alike 3.0