Coeficiente de correlación de Karl Pearson con Excel, Graph y GeoGebra

¯ ¯ ¯ ¯ ¯ ¯ COEFICIENTE DE CORRELACIÓN DE KARL PEARSON Autor: Mario Suárez [email protected]

Llamando también coeficiente de correlación producto-momento.

a) Para datos no agrupados se calcula aplicando la siguiente ecuación: ?? = ? ???? v(? ??2 )(? ??2 ) r = Coeficiente producto-momento de correlación lineal

?? = ?? – ?? ; ?? = ?? – ??

Ejemplo ilustrativo: Con los datos sobre las temperaturas en dos días diferentes en una ciudad, determinar el tipo de correlación que existe entre ellas mediante el coeficiente de PEARSON.

X 18 17 15 16 14 12 9 15 16 14 16 18 SX =180 Y 13 15 14 13 9 10 8 13 12 13 10 8 SY= 138

Solución:

Se calcula la media aritmética ??¯ = ? ???? ?? Para X: ???? = 180 12 = 15 Para Y: ???? = 138 12 = 11,5 Se llena la siguiente tabla: ?? 18 17 15 16 14 12 9 15 16 14 16 18 180 ?? 13 15 14 13 9 10 8 13 12 13 10 8 138 3 2 0 1 -1 -3 -6 0 1 -1 1 3 ?? = ?? – ?? 1,5 3,5 2,5 1,5 -2,5 -1,5 -3,5 1,5 0,5 1,5 -1,5 -3,5 ?? = ?? – ?? ???? 9 4 0 1 1 9 36 0 1 1 1 9 72 ???? 4,5 7 0 1,5 2,5 4,5 21 0 0,5 -1,5 -1,5 -10,5 28 ???? 2,25 12,25 6,25 2,25 6,25 2,25 12,25 2,25 0,25 2,25 2,25 12,25 63

Se aplica la fórmula: ?? = ? ???? v(? ??2 )(? ??2 ) = 28 v(72)(63) = 0,416 Existe una correlación moderada

En Excel se calcula de la siguiente manera:

a) Se inserta la función COEF.DE.CORREL y pulsar en Aceptar.

b) En el cuadro de argumentos de la función, en el recuadro de la Matriz 1 seleccionar las celdas de X, y en el recuadro de la Matriz 2 seleccionar las celdas de Y.

c) Pulsar en Aceptar. En GeoGebra se calcula de la siguiente manera: a) Escribir en Entrada Pearson.

b) Seleccione la opción Pearson[ , ] c) Escribir los datos de X y los datos de Y. Para escribir las llaves utilizar el teclado virtual: Pearson[ {18, 17, 15, 16, 14, 12, 9, 15, 16, 14, 16, 18}, {13, 15, 14, 13, 9, 10, 8, 13, 12, 13, 10, 8}]

d) Enter El diagrama de dispersión en Excel se realiza de la siguiente manera: a) Seleccionar los datos e insertar diagrama de dispersión.

b) En diagrama dispersión, escoger el primero. c) Para que ver las coordenadas escoger el diseño N° 7.

d) Borrar Serie 1, las líneas horizontales y verticales (haciendo clic y suprimir en cada objeto). e) En título del gráfico escribir Diagrama de dispersión. f) Clic en el eje x, y luego clic derecho para dar formato al eje.

g) Poner 2 en la casilla unidad mayor para ver los números de 2 en 2 en el eje x.

h) Clic en Cerrar para culminar la elaboración del diagrama de dispersión, aunque se le puede seguir haciendo más mejoras. Para realizar el diagrama de dispersión en el programa Graph se procede de la siguiente manera: a) Clic en Función.

b) Clic en Insertar serie de puntos. c) Escribir los puntos, y en estilo de línea, escoger sin línea. En rótulos poner en ver coordenadas a la derecha. Pulsar en Aceptar.

d) Para editar los ejes, hacer clic en Editar y luego en Ejes. e) Llenar las casillas del Eje X de acuerdo a los datos del ejercicio.

f) Llenar las casillas del Eje Y de acuerdo a los datos del ejercicio. g) Pulsar en Aceptar para dar por culminado la elaboración del diagrama de dispersión, el cual se presenta en la siguiente figura:

?? = b) Para datos agrupados, el coeficiente de Correlación de Pearson se calcula aplicando la siguiente fórmula:

?? · ? ?? · ???? · ???? – (? ???? · ????) (? ???? · ????) v[?? · ? ???? · ????2 – (? ???? · ????)2 ][?? · ? ???? · ???? 2 – (? ???? · ????)2 ] Donde: ?? = número de datos. ?? = frecuencia de celda. ???? = frecuencia de la variable X. ???? = frecuencia de la variable Y. ???? = valores codificados o cambiados para los intervalos de la variable X, procurando que al intervalo central le corresponda ???? = 0, para que se hagan más fáciles los cálculos. ???? = valores codificados o cambiados para los intervalos de la variable X, procurando que al intervalo central le corresponda ???? = 0, para que se hagan más fáciles los cálculos.

Ejemplo ilustrativo: Con los siguientes datos sobre los Coeficientes Intelectuales (X) y de las calificaciones en una prueba de conocimiento (Y) de 50 estudiantes: N° de estudiante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 X

76 77 78 79 79 80 80 80 82 82 83 83 83 83 84 84 84 85 85 86 86 86 86 87 88 Y

28 24 18 41 43 45 34 18 40 35 30 21 22 23 25 11 15 31 35 26 30 24 16 20 36 N° de estudiante 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 X

88 88 88 88 89 89 90 90 90 91 92 92 93 93 93 94 96 97 98 99 100 101 101 102 102 Y

40 31 35 26 30 24 18 11 15 38 34 31 33 35 24 40 35 36 40 33 51 54 55 41 45 1) Elaborar una tabla de dos variables 2) Calcular el coeficiente de correlación

Solución:

1) En la tabla de frecuencias de dos variables, cada recuadro de esta tabla se llama una celda y corresponde a un par de intervalos, y el número indicado en cada celda se llama frecuencia de celda. Todos los totales indicados en la última fila y en la última columna se llaman totales marginales o frecuencias marginales, y corresponden, respectivamente, a las frecuencias de intervalo de las distribuciones de frecuencia separadas de la variable X y Y.

Para elaborar la tabla se recomienda:

– Agrupar las variables X y Y en un igual número de intervalos.

– Los intervalos de la variable X se ubican en la parte superior de manera horizontal (fila) y en orden ascendente.

– Los intervalos de la variable Y se ubican en la parte izquierda de manera vertical (columna) y en orden descendente.

Para elaborar los intervalos se procede a realizar los cálculos respectivos:

En la variable X:

Calculando el Rango se obtiene: ?? = ????á?? – ????í?? = 102 – 76 = 26

Calculando el número de intervalos se obtiene: ???? = 1 + 3,32 · ??????(??) = 1 + 3,32 · ??????50 = 6,6 = 7

Calculando el ancho se obtiene: ?? 26 ?? = = ???? 6,6 = 3,93 = 4 En la variable Y:

Calculando el Rango se obtiene: ?? = ????á?? – ????í?? = 55 – 11 = 44

Calculando el número de intervalos se obtiene: ???? = 1 + 3,32 · ??????(??) = 1 + 3,32 · ??????50 = 6,64 = 7

Calculando el ancho se obtiene: ?? 44 ?? = = ???? 6,64 = 6,62 = 7 Nota: Para la variable X se tomará un ancho de intervalo igual a 4 y para la variable Y un ancho de intervalo igual a 7. Debe quedar igual número de intervalos para cada variable, que en este ejemplo es igual a 7.

Calificaciones(Y) Calificaciones(Y) ???? Contando las frecuencias de celda para cada par de intervalos de las variables X y Y se obtiene la siguiente tabla de frecuencias de dos variables:

Coeficientes Intelectuales (X) 76-79 80-83 84-87 88-91 92-95 96-99 100-103 53-59 46-52 2 1 2 1 39-45 32-38 25-31 18-24 2

1 2 2 2 1 4 1 4 2 1 3 3 2 1 3 1 1 1 3 2 9 12 10 11 11-17 3 2 5 ???? 5 9 10 11 6 4 5 50 Interpretación: – El número 2 es la frecuencia de la celda correspondiente al par de intervalos 76-79 en Coeficiente Intelectual y 39-45 en Calificación obtenida en la prueba de conocimiento. – El número 5 en la fila de ???? es el total marginal o frecuencia marginal del intervalo 76-79 en Coeficiente Intelectual. – El número 2 en la columna de ???? es el total marginal o frecuencia marginal del intervalo 53-59 en Calificación obtenida en la prueba de conocimiento. – El número 50 es total de frecuencias marginales y representa al número total de estudiantes.

2) Realizando los cálculos respectivos se obtiene la siguiente tabla:

Coeficientes Intelectuales (X) 76- 80-83 84- 88-91 92- 96- 100-103 79 87 95 99 ???? -3 -2 -1 0 1 2 3 ???? ???? ???? ?? · ???? ???? · ???? · ???? 2 · ???? 53-59

46-52 3

2 2

1 18

6 2

1 6

2 18

4 18

6 39-45

32-38

25-31

18-24 1

0

-1

-2 2

1

2 -6

3

12 2

2

1

4 -4

0

2

16 1

4

2 0

4

4 1

3

3

2 0

0

0

0 1

3

1

1 1

0

-1

-2 1

3 2

0 2 6 9

12

10

11 9

0

-10

-22 9

0

10

44 -1

0

8

30 11-17 -3 3 9 2 0 5 -15 45 9 ???? 5 9 10 11 6 4 5 50 -30 130 70 ???? · ???? ???? · ???? 2 ?? · ???? · ???? -15 45 9 -18 36 14 -10 10 17 0 0 0 6 6 -2 8 16 2 15 45 30 -14 158 70 Nota: Los números de las esquinas de cada celda en la anterior tabla representan el producto ?? · ???? · ????, así por ejemplo, para obtener el número el número -6 de los intervalos 76-79 en X y 39-45 en

9 ?? = = = Y se obtiene multiplicando 2·(-3)·1 = -6. Para obtener el número 18 de los intervalos 100-103 en X y 53- 59 en Y se obtiene multiplicando 2·3·3 = 18

Los números de la última columna (18, 6, -1, 0, 8, 30 y 9) se obtienen sumando los números de las esquinas en cada fila, así por ejemplo, para obtener el número -1 se suma (-6) + (-4) + 0 + 1 +2 + 6 = -1

Los números de la última fila (9, 14, 17, 0, -2, 2 y 30) se obtienen sumando los números de las esquinas en cada columna, así por ejemplo, para obtener el número 9 se suma (-6) + 3 + 12 = 9.

Para obtener el número -30 de la antepenúlmina columna se obtiene sumando los resultados de ???? · ????, es decir, representa la ? ???? · ????

Para obtener el número -14 de la antepenúlmina fila se obtiene sumando los resultados de ???? · ????, es decir, representa la ? ???? · ????

Para obtener el número 130 de la penúltima columna se obtiene sumando los resultados de ???? · ???? 2 , es decir, representa ? ???? · ????2

Para obtener el número 158 de la penúltima fila se obtiene sumando los resultados de ???? · ????2 , es decir, representa ? ???? · ????2

Para obtener último número 70 de la última columna se obtiene sumando los resultados de la última columna 18 +6 +(-1) +0 + 8 + 30 +9 = 70, es decir, representa ? ???? · ???? · ????

Para obtener último número 70 de la última fila se obtiene sumando los resultados de la última fila + 14 + 17 + 0 +(-2) +2 + 30 = 70 , es decir, representa ? ???? · ???? · ???? . Por lo tanto tiene que ser igual al último número de la última columna como comprobación que los cálculos de la tabla han sido correctos.

Observando los datos en la tabla anterior se reemplaza los valores en la ecuación del Coeficiente de Correlación de Pearson para datos agrupados, obteniéndose:

?? · ? ?? · ???? · ???? – (? ???? · ????) (? ???? · ????) v[?? · ? ???? · ????2 – (? ???? · ????)2 ][?? · ? ???? · ???? 2 – (? ???? · ????)2 ] ?? = 50 · 70 – (-14)(-30) v[50 · 158 – (-14)2 ][50 · 130 – (-30)2 ] 3500 – 420 v[7900 – 196][6500 – 900] 3080 v[7704][5600] ?? = 3080 v43142400 = 3080 6568,287448 = 0,469 Existe una correlación positiva moderada

TAREA DE INTERAPRENDIZAJE

1) Elabore un organizador gráfico de los tipos de correlación.

2) Con los datos de la siguiente tabla sobre las temperaturas del día X y del día Y en determinadas horas en una ciudad

X 9 10 12 14 16 18 20 22 24 26 28 30 Y 12 14 15 16 17 20 22 23 26 28 31 32

2.1) Calcule el coeficiente de correlación de Pearson empleando la fórmula y mediante Excel. 0,99 2.2) Elabore el diagrama de dispersión de manera manual. 2.3) Elabore el diagrama de dispersión empleando Excel. 2.4) Elabore el diagrama de dispersión empleando el programa Graph.

3) Cree y resuelva un ejercicio similar al anterior.

4) Dada la siguiente tabla de frecuencias de dos variables, con los datos sobre las calificaciones obtenidos en un curso de 50 estudiantes en la asignatura de Matemática (X) y en la asignatura de Estadística (Y), determinar el tipo de correlación que existe entre ellas mediante el coeficiente de Pearson. ?? 1-2 3-4 5-6 7-8 9-10 ???? 9-10 7-8 7 6 8 15 6 ?? 5-6 3-4 5 5 3 1 4 7 11 1-2 7 4 11 ???? 12 9 4 17 8 50 Correlación positiva muy alta de 0,91

5) Dada la siguiente tabla de frecuencias de dos variables, con los datos sobre los pesos en kilogramos en dos barrios diferentes en una ciudad, determinar el tipo de correlación que existe entre ellas mediante el coeficiente de Pearson. ?? 40-49 50-59 60-69 70-79 80-89 90-99 ???? 90-99 3 3 4 10 80-89 8 2 2 4 16 ?? 70-79 60-69 8 1 5 2 10 5 8 2 1 24 18 50-59 40-49 3 4 10 6 6 1 2 21 11 ???? 15 17 22 22 15 9 100 Correlación positiva moderada de 0,688

6) Dada la siguiente tabla de frecuencias de dos variables, con los datos sobre las calificaciones obtenidos en un curso de 100 estudiantes en la asignatura de Matemática (X) y en la asignatura de Estadística (Y),

7 determinar el tipo de correlación que existe entre ellas mediante el coeficiente de Pearson para datos agrupados. N° de estudiante X Y N° de estudiante X Y N° de estudiante X Y N° de estudiante X Y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 40 41 42 43 44 45 45 45 45 48 49 50 50 56 56 56 56 56 57 57 57 57 57 57 57 60 50 55 59 40 42 49 60 62 66 69 50 52 54 56 59 59 40 45 47 48 49 80 70 72 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 57 58 60 61 62 63 64 64 65 65 66 66 66 66 67 68 68 68 69 69 69 69 70 70 70 73 78 79 60 61 62 63 64 65 66 67 69 50 52 55 56 57 59 40 45 47 49 90 99 80 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 71 72 72 72 73 74 74 74 75 76 76 77 77 78 78 78 78 79 79 79 80 81 82 82 83 86 88 89 70 71 72 73 74 75 76 77 78 79 60 67 65 68 69 50 59 90 94 96 99 80 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 84 84 85 86 86 86 87 87 88 88 88 88 89 89 89 90 91 92 93 94 95 96 97 98 99 83 84 86 88 89 70 78 79 78 77 79 78 78 60 69 90 96 97 99 80 81 82 83 89 70 ?? ?? ???? 40-48 94-102 ???? -3 -2 -1 0 1 2 3 ???? 94-102 3 2 1 0 -1 -2 5 3 40-48 -3 ???? 2 10 9 100 Correlación positiva moderada de 0,62 7) Cree y resuelva un ejercicio similar al anterior.

8) Consulte en la biblioteca o en el internet un ejercicio resuelto sobre el coeficiente de correlación de Pearson para datos agrupados en intervalos.