Medida de la correlación (1ºBach)

De Wikipedia

(Diferencia entre revisiones)
Revisión de 16:51 17 oct 2014
Coordinador (Discusión | contribuciones)
(Centro de gravedad de una distribución bidimensional)
← Ir a diferencia anterior
Revisión de 17:04 17 oct 2014
Coordinador (Discusión | contribuciones)
(Correlación)
Ir a siguiente diferencia →
Línea 25: Línea 25:
}} }}
{{p}} {{p}}
-==Correlación==+==Coeficiente de correlación==
-{{Caja Amarilla|texto=La '''correlación''' entre las dos variables viene dada por el parámetro:+{{Caja Amarilla|texto=Llamaremos '''coeficiente de correlación''' entre las dos variables al parámetro:
{{p}} {{p}}
<center><math>r= \frac{\sigma_{xy}}{\sigma_x \sigma_y}</math></center> <center><math>r= \frac{\sigma_{xy}}{\sigma_x \sigma_y}</math></center>
Línea 35: Línea 35:
}} }}
{{p}} {{p}}
 +===Propiedades del coeficiente de correlación===
 +{{Caja Amarilla|texto=El coeficiente de correlación tiene las siguientes propiedades:
 +* No tiene dimensiones, es decir, no depende de las unidades en las que vengan dadas las variables.
 +* Está comprendido entre -1 y 1: <math>|r| \le 1 </math>
 +* Cuanto más fuerte sea la correlación más próximo a 1 estará <math>|r| \,</math> y cuanto más débil sea la correlación más próximo a 0 estará <math>|r| \,</math>.
 +* Si <math>|r|>0 \,</math> la correlación será positiva y si <math>|r|<0 \,</math> la correlación será negativa.
 +}}

Revisión de 17:04 17 oct 2014

En el apartado anterior hemos visto de manera intuitiva como puede ser la correlación ente dos variables dependiendo del agrupamiento de los puntos de la nube en torno a una recta. Ahora vamos a ver cómo se puede cuantificar dicha correlación mediante un parámetro que denominaremos coeficiente de correlación.

Dada una distribución bidimensional de cuyas variables \;(X,Y) tenemos \;n valores observados:

\{ \,(x_1, y_1), (x_2,y_2),...,(x_n,y_n) \,\}

Tabla de contenidos

Centro de gravedad de una distribución bidimensional

Llamaremos centro de gravedad de la distribución al punto (\overline{x} , \overline{y}) cuyas coordenadas son las medias de las distribuciones unidimensionales de X e Y:

\overline{x}=\frac{\sum_{i=1}^n x_i}{n} \qquad  \overline{y}=\frac{\sum_{i=1}^n y_i}{n}

Covarianza

Se llama covarianza de la distribución al parámetro:

\sigma_{xy}=\frac{\sum_{i=1}^n (x_i-\overline{x})((y_i-\overline{y})}{n}=\frac{\sum_{i=1}^n x_i y_i}{n}-\overline{x} \overline{y}

Coeficiente de correlación

Llamaremos coeficiente de correlación entre las dos variables al parámetro:

r= \frac{\sigma_{xy}}{\sigma_x \sigma_y}

donde σxy es la covarianza y σxy son las desviaciones típicas de las distribuciones unidimensionales de X e Y:

\sigma_x=\sqrt{\frac{\sum_{i=1}^n x_i^2}{n}-\overline{x}^2} \qquad \sigma_y=\sqrt{\frac{\sum_{i=1}^n y_i^2}{n}-\overline{y}^2}

Propiedades del coeficiente de correlación

El coeficiente de correlación tiene las siguientes propiedades:

  • No tiene dimensiones, es decir, no depende de las unidades en las que vengan dadas las variables.
  • Está comprendido entre -1 y 1: |r| \le 1
  • Cuanto más fuerte sea la correlación más próximo a 1 estará |r| \, y cuanto más débil sea la correlación más próximo a 0 estará |r| \,.
  • Si |r|>0 \, la correlación será positiva y si |r|<0 \, la correlación será negativa.
Herramientas personales
* AVISO: Para que te funcionen los applets de Java debes usar Internet Explorer y seguir las instrucciones de la Ayuda del menu de la izquierda