El coeficiente de correlación es una medida estadística de la fuerza de la relación entre los movimientos relativos de dos variables. Los valores varían entre -1.0 y 1.0. Un número calculado superior a 1.0 o menos de -1.0 significa que hubo un error en la medición de correlación. Una correlación de -1.0 muestra una correlación negativa perfecta, mientras que una correlación de 1.0 muestra una correlación positiva perfecta. Una correlación de 0.0 no muestra una relación lineal entre el movimiento de las dos variables.
Las estadísticas de correlación se pueden utilizar en finanzas e inversiones. Por ejemplo, se podría calcular un coeficiente de correlación para determinar el nivel de correlación entre el precio del petróleo crudo y el precio de las acciones de una empresa productora de petróleo, como Exxon Mobil Corporation. Dado que las compañías petroleras obtienen mayores ganancias a medida que aumentan los precios del petróleo, la correlación entre las dos variables es muy positiva.
- Los coeficientes de correlación se utilizan para medir la resistencia de la relación entre dos variables.
- La correlación de Pearson es la más utilizada en estadísticas. Esto mide la fuerza y la dirección de una relación lineal entre dos variables.
- Los valores siempre varían entre -1 (relación negativa fuerte) y +1 (relación positiva fuerte). Los valores en o cerca de cero implican una relación débil o sin lineal.
- Los valores del coeficiente de correlación inferior a +0.8 o mayor que -0.8 no se consideran significativos.
Existen varios tipos de coeficientes de correlación, pero el más común es la correlación de Pearson (R). Esto mide la fuerza y la dirección de la relación lineal entre dos variables. No puede capturar relaciones no lineales entre dos variables y no puede diferenciar entre variables dependientes e independientes.
¿Cómo determinar el coeficiente de correlación?
Veamos ahora en detalle lo que significa un coeficiente de correlación positivo y negativo:
- : Si el coeficiente de correlación es mayor que cero, uno habla de una correlación positiva. En este caso, «cuanto más se aplica más». Esto significa que cuanto más altos sean los valores de una variable, mayores serán los valores de la otra variable. Un ejemplo de un coeficiente de correlación positivo sería la conexión entre el tamaño del cuerpo y el tamaño del zapato de una persona: cuanto más grande, los zapatos más grandes que tenderán a usar.
- : Si el coeficiente de correlación es menor que cero, la conexión es negativa. Eso significa que estamos en «cuanto más, menos caso». Con una correlación negativa, los valores más altos de la variable están asociados con valores más bajos de las otras variables. Un ejemplo de esto sería la correlación entre los ejercicios procesados y los errores en una prueba: cuantos más ejercicios trabajara, menos errores probablemente cometerá.
- : Si el coeficiente de correlación es 0, no hay una conexión lineal entre las variables. Como resultado, no puede hacer una declaración con el coeficiente de correlación sobre cómo cambian los valores de una variable cuando aumentan los valores de las otras variables. Sin embargo, tenga en cuenta que el coeficiente de correlación solo representa relaciones lineales. Por lo tanto, puede ser que sus variables aún puedan estar relacionadas, solo cuadradas o exponencialmente.
Imagine que desea calcular si el número de horas promedio de sol por día (x) se correlaciona con el número de visitantes de un parque de diversiones (y).
Para calcular el coeficiente de correlación, primero necesita los datos de sus dos variables. En una mesa para cada mes, nota cuánto ha brindado el sol y cuántas personas visitaron el parque de diversiones.
¿Qué significa que un coeficiente de correlación es de 0 9?
Las correlaciones son una gran herramienta para aprender cómo una cosa cambia con otra. Después de leer esto, debe comprender qué es la correlación, cómo pensar en las correlaciones en su propio trabajo y codificar una implementación mínima para calcular las correlaciones.
La correlación es un concepto matemático abstracto, pero probablemente ya tenga una idea sobre lo que significa. Aquí hay algunos ejemplos de las tres categorías generales de correlación.
A medida que coma más comida, probablemente terminará sintiéndose más lleno. Este es un caso de cuándo dos cosas están cambiando de la misma manera. Uno sube (comiendo más comida), luego el otro también sube (sintiéndose lleno). Esta es una correlación positiva.
Cuando esté en un automóvil y sea más rápido, probablemente llegará a su destino más rápido y su tiempo de viaje total será menor. Este es un caso de dos cosas que cambian en la dirección opuesta (más velocidad, pero menos tiempo). Esta es una correlación negativa.
También hay una tercera forma posible de que dos cosas pueden «cambiar». O más bien, no cambiar. Por ejemplo, si tuviera que aumentar de peso y observar cómo cambiaron los puntajes de su prueba, probablemente no habrá ningún patrón general de cambio en sus puntajes de prueba. Esto significa que no hay correlación.
Poder describir lo que está sucediendo en nuestros ejemplos anteriores es genial y todo. Pero, ¿cuál es el punto? La razón es aplicar este conocimiento de una manera significativa para ayudar a predecir lo que sucederá a continuación.
En nuestro ejemplo de comer, podemos registrar cuánto comemos durante una semana entera y luego tomar nota de cuán llenos nos sentimos después. Como encontramos antes, cuanto más comemos, más llenos nos sentimos.
Artículos Relacionados:
