1
UNIVERSIDAD TÉCNICA “LUIS VARGAS TORRES”
Facultad de Ingeniería en Electricidad
TRABAJO DE INTEGRACION CURRICULAR ESTADISTICA
CORRELACIÓN SIMPLE
JAMA CASTRO LUIS ENRIQUE
9° “A” Electricidad
ING. ÁNGEL MESÍAS SIMISTERRA, MSc
Esmeraldas-Ecuador
2S-2023
2
I. Antecedentes
El origen de la correlación simple se remonta a los trabajos del estadístico y biólogo
británico Francis Galton, quien introdujo el concepto de correlación en la década de 1880
(Rodríguez-Muñiz, 2021). Galton estudiaba la relación entre las características físicas de los
padres y sus hijos, y desarrolló un método para cuantificar esta asociación (Bresciano, 2018).
El coeficiente de correlación de Pearson se convirtió en una herramienta ampliamente
utilizada en la estadística y la investigación científica, y sentó las bases para el desarrollo de
otras técnicas estadísticas, como el análisis de regresión (Peña, 2018).
A lo largo del siglo XX, la correlación simple se consolidó como una herramienta
indispensable en diversos campos de estudio, desde las ciencias naturales hasta las ciencias
sociales y la economía (Martínez et al., 2019). Con el avance de la tecnología y el desarrollo de
software estadístico, el cálculo y la interpretación de la correlación simple se han facilitado, lo
que ha permitido su aplicación en una amplia gama de investigaciones (Hernández et al., 2018).
En la actualidad, la correlación simple sigue siendo una de las técnicas estadísticas más
utilizadas y enseñadas en programas de estadística, investigación y disciplinas relacionadas
(Sánchez, 2020). Su importancia radica en su capacidad para cuantificar relaciones lineales entre
variables, lo que permite a los investigadores generar hipótesis, explorar patrones y tomar
decisiones informadas (Álvarez, 2020).
3
II. Justificación
Comprender la correlación simple es crucial para el análisis de datos y la toma de
decisiones informadas en diversos ámbitos, como estudiante el reconocer la importancia de esta
herramienta estadística ayudara a identificar y cuantificar las relaciones entre variables, para así
poder generar hipótesis más sólidas, desarrollando modelos predictivos y realizar conclusiones
más precisas sobre los fenómenos estudiados, la correlación simple nos permite explorar
conexiones potenciales entre factores relevantes en el campo de estudio, lo que puede conducir a
descubrimientos significativos o al mejoramiento de teorías existentes.
III. Objetivos
3.1. Objetivo General
Examinar la correlación simple como una herramienta estadística fundamental para el
análisis de datos, destacando su importancia, aplicaciones y limitaciones.
3.2. Objetivos Específicos
• Definir la correlación simple y sus propiedades.
• Explicar los diferentes tipos de correlación y sus interpretaciones.
• Discutir las aplicaciones y limitaciones de la correlación simple en la
investigación.
• Proporcionar ejemplos prácticos de la utilización de la correlación simple en
diversos campos.
.
4
IV. Marco Teórico
4.1. Concepto
La correlación simple es una medida estadística que describe la fuerza y la dirección de
la relación lineal entre dos variables. En otras palabras, nos indica en qué medida dos variables
cambian juntas y si lo hacen en la misma dirección (correlación positiva) o en direcciones
opuestas (correlación negativa).
4.2. Come se Calcula la Correlación.
El coeficiente de correlación simple, que se representa con la letra "r", se calcula
mediante una fórmula matemática que toma en cuenta las medias y las desviaciones estándar de
las dos variables. El valor de "r" puede oscilar entre -1 y 1:
• r = -1: Indica una correlación perfectamente negativa. Esto significa que a medida que el
valor de una variable aumenta, el valor de la otra variable disminuye en la misma
proporción.
• r = 0: Indica que no hay ninguna correlación lineal entre las dos variables.
• r = 1: Indica una correlación perfectamente positiva. Esto significa que a medida que el
valor de una variable aumenta, el valor de la otra variable también aumenta en la misma
proporción.
El coeficiente de correlación de la muestra puede representarse con una fórmula:
5
4.3. Características
• Cuanto más se aproxima r a cero, más débil es la relación lineal.
• Los valores de r positivos indican una correlación positiva, en la que los valores
de ambas variables tienden a incrementarse juntos.
• Los valores de r negativos indican una correlación negativa, en la que los valores
de una variable tienden a incrementarse mientras que los valores de la otra
variable descienden.
• Los valores 1 y -1 representan una correlación "perfecta" positiva y negativa,
respectivamente. Dos variables perfectamente correlacionadas cambian
conjuntamente a una tasa fija. Decimos que tienen una relación linear; cuando
representados en un gráfico de dispersión, todos los puntos correspondientes a los
datos pueden conectarse con una misma línea recta.
• El valor p nos ayuda a determinar si podemos o no concluir de manera
significativa que el coeficiente de correlación de la población es diferente a cero,
basándonos en lo que observamos en la muestra.
4.4. Coeficientes de correlación simple
Pues bien, de todos es conocida la afición del ser humano de medir y cuantificar, así que
a nadie puede extrañarle que se inventasen los llamados coeficientes de correlación, de los que
hay una familia más o menos numerosa.
Para calcular el coeficiente de correlación necesitamos, pues, un parámetro que nos
permita cuantificar esta relación. Para ello podemos disponer de la covarianza, que indica el
grado de variación conjunta de dos variables aleatorias.
6
El problema de la covarianza es que su valor depende de las escalas de medición de las
variables, lo que nos impide realizar comparaciones directas entre distintos pares de variables.
Para evitar este problema, recurrimos a una solución que ya nos es conocida y que no es otra que
la estandarización. El producto de la estandarización de la covarianza serán los coeficientes de
correlación.
Todos estos coeficientes tienen algo en común: su valor oscila desde -1 a 1. Cuánto más
se aleje el valor de 0, mayor será la fuerza de la relación, que será prácticamente perfecta cuando
alcance -1 o 1. En el 0, que es el valor nulo, en principio no existirá correlación entre las dos
variables.
4.5. Limitaciones.
La correlación no puede medir la presencia o el efecto de otras variables aparte de las dos
que se están explorando. Es importante saber que la correlación no nos informa sobre causas y
efectos. Además, la correlación no puede describir con precisión las relaciones curvilíneas.
4.6. Ejercicios
Ejercicio 1:
Se tiene un conjunto de datos que relaciona las horas de estudio de un grupo de
estudiantes con sus calificaciones finales en un examen. Los datos se muestran en la siguiente
tabla:
a) Calcula el coeficiente de correlación lineal (r) entre las horas de estudio y las calificaciones.
b) Interpreta el valor de r.
7
c) ¿Existe una relación lineal positiva, negativa o nula entre las horas de estudio y las
calificaciones?
a) Para calcular el coeficiente de correlación lineal (r), podemos utilizar una calculadora o
un software estadístico. En este caso, utilizaremos la siguiente fórmula:
r = Σ ((xᵢ - x̄) (yᵢ - ȳ)) / √ (Σ (xᵢ - x̄) ² * Σ (yᵢ - ȳ) ²)
Donde:
• xᵢ y yᵢ son los valores individuales de las variables x y y
• x̄ y ȳ son las medias de las variables x y y
Sustituyendo los valores de la tabla en la fórmula, obtenemos:
r = 0.89
b) El valor de r es de 0.89, lo que indica una fuerte correlación positiva entre las horas de estudio
y las calificaciones.
Esto significa que a medida que aumenta el número de horas de estudio, también lo hacen las
calificaciones.
c) En base al valor de r, podemos concluir que existe una relación lineal positiva entre las horas
de estudio y las calificaciones.
8
Ejercicio 2
El director de recursos humanos de ventas SA está entrevistando y seleccionando nuevos
vendedores, ha diseñado una prueba que le ayudara a realizar la mejor selección posible para la
fuerza de ventas con el fin de probar la validez de la prueba para predecir las ventas semanales el
eligió vendedores experimentados y aplicó la prueba a cada uno
La clasificación de cada vendedor fue entonces pareada con sus ventas semanales
9
[Link]ón
La correlación simple es una herramienta estadística fundamental que permite cuantificar
la relación lineal entre dos variables cuantitativas. Su interpretación y aplicación adecuadas son
cruciales para el análisis de datos y la toma de decisiones informadas en diversos campos. Sin
embargo, es importante tener en cuenta las limitaciones de la correlación simple y considerar
otros factores y técnicas estadísticas complementarias para obtener una comprensión más
completa de los fenómenos estudiados.
VI. Recomendaciones
Combinar el uso de la correlación simple con otras técnicas estadísticas para lograr un
análisis más completo de los datos.
Verificar que se cumplan los supuestos básicos de la correlación simple, como la
linealidad y la distribución normal de las variables, antes de aplicarla.
Interpretar los resultados de la correlación simple con precaución, evitando asumir
relaciones de causa y efecto entre las variables.
10
VII. Referencias
Álvarez, R. (2020). Introducción a la estadística. Editorial Universitaria.
Bresciano, J. (2018). Francis Galton y la correlación. Revista de Historia de la Psicología,
39(2), 38-49.
Hernández, R., Fernández, C., & Baptista, P. (2018). Metodología de la investigación (6ª
ed.). McGraw-Hill.
Martínez, C., Ledesma, R., & Valero-Mora, P. (2019). Introducción a la estadística y al
análisis de datos. Editorial Síntesis.
Peña, D. (2018). Regresión y diseño de experimentos. Alianza Editorial.
Rodríguez-Muñiz, L. J. (2021). Los inicios de la correlación: Francis Galton. Revista de
Psicología General y Aplicada, 74(2), 123-134.
Sánchez, J. (2020). Estadística básica aplicada a la educación. Universidad Nacional de
Educación a Distancia.