REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL “SIMÓN RODRÍGUEZ”.

NÚCLEO MATURÍN.

CORRELACIÓN

Facilitadora: Participantes:
Jeisa Tocuyo Shirlennys Cabello C.I: 22.971.694
Andreina Rodriguez C.I: 19.663.168
Elys Granado C.I: 22.617.502
Mariana Cabrera C.I: 24.230.053
Betsabe

Septiembre de 2014.
 INTRODUCCIÓN

El estudio de una sola variable permite considerar su comportamiento. En ella se

estudia sus medidas de tendencia central (media, mediana, moda), la dispersión de los
datos de esa variable, a través de la varianza, desviación típica, rangos, desviación
mediana... Ahora cabría considerar el estudio simultáneo de dos variables, es decir, si
estudiamos a la vez dos variables ¿Influirán los valores que tome una en la otra? ¿Habrá
una relación entre ambas? ¿De qué tipo? Se considera que dos variables cuantitativas
están correlacionadas cuando los valores de una de ellas varían sistemáticamente con
respecto a los valores homónimos de la otra.
En probabilidad y estadística, la correlación indica la fuerza y la dirección de
una relación lineal y proporcionalidad entre dos variables estadísticas. En este trabajo
se estudiará la relación de tipo estadístico entre dos variables; que es y cómo se aplica
el diagrama de dispersión, para qué se podría utilizar el coeficiente de correlación de
Pearson y el problema de dependencia.
 CORRELACIÓN

El término correlación se utiliza generalmente para indicar la correspondencia o

la relación recíproca que se da entre dos o más cosas, ideas, personas, entre otras. En
tanto, en probabilidad y estadística, la correlación es aquello que indicará la fuerza y
la dirección lineal que se establece entre dos variables aleatorias.
Por ejemplo, considera que las variables son el ingreso familiar y el gasto
familiar. Se sabe que los aumentos de ingresos y gastos disminuyen juntos. Por lo tanto,
están relacionados en el sentido de que el cambio en cualquier variable estará
acompañado por un cambio en la otra variable. De la misma manera, los precios y la
demanda de un producto son variables relacionadas; cuando los precios aumentan la
demanda tenderá a disminuir y viceversa.
Si el cambio en una variable está acompañado de un cambio en la otra, entonces
se dice que las variables están correlacionadas. Por lo tanto, podemos decir que el
ingreso familiar y gastos familiares y el precio y la demanda están correlacionados.

RELACIÓN ENTRE VARIABLES

La relación entre variables es la dependencia de las variables entre ellas. Las
hipótesis deben tener tres elementos esenciales, unidades de análisis, variables y
conectivos lógicos. Lo interesante de las hipótesis, es poder probarla, mediante la
relación de las variables. Pero ¿Qué debemos entender por relación? Según el
Diccionario de la Real Academia Española, define la palabra relación como la
“Exposición que se hace de un hecho,” “Conexión, correspondencia de algo con otra
cosa” y “Conexión, correspondencia, trato, comunicación de alguien con otra
persona.”
En metodología de la investigación, se entiende la palabra relación de la misma
forma que la define el diccionario de la Real Academia Española. Por lo tanto se debe
entender por relación, la conexión de una cosa con otra, de una acción con un efecto,
de una variable con otra variable. Las relaciones no son situaciones o realidades que
podemos palpar, muchas de ellas no son tangibles o visibles, pero nos podemos dar
cuenta de que existen, que se hacen presentes. Y muchas veces tenemos que auxiliarnos
de instrumentos para presentarlos.
Para poder explicar mejor como se da la relación entre variables en una hipótesis
nos vamos auxiliar de un ejemplo: Cuando un vehículo incrementa la velocidad,
consume mayor cantidad de combustible. O sea que el consumo de combustible está
relacionado con el incremento de la velocidad.
Otra forma de relación la podemos observar en la siguiente expresión hipotética:
Cuando en una empresa existe descontento entre los trabajadores, es porque falta
motivación económica y emocional. Por lo tanto la falta de motivación está
relacionada con el descontento de los trabajadores.
En las hipótesis las relaciones están expresadas por términos o por elementos
lógicos, como; influye, se relaciona, incurren, entre otros. Cualquier problema de
investigación se resuelve mediante interrogantes o preguntas de investigación y
mediante hipótesis. Y cuando se resuelve mediante hipótesis, la relación se plantea en
forma de asociación, en forma de covarianza y en forma de dependencia. Ejemplos:
Relación en forma de asociación: “La baja autoestima en los estudiantes
influye en el bajo rendimiento académico.”
Relación en forma de covarianza: “A mayor tiempo dedicado al estudio, mayor
probabilidad de obtener altas calificaciones.”
Relación de dependencia: “Si no asistes a las clases, no podrás hacer el
examen.”
Entonces podemos concluir que la relación entre variables no es más que
presentar la dependencia de una variable con otra. Es demostrar la correlación entre la
variable dependiente y la variable independiente.

EL DIAGRAMA DE DISPERSIÓN
Es una herramienta de análisis la cual representa en forma gráfica la relación
existente entre dos variables pudiendo observar la dependencia o influencia que tiene
una variable sobre la otra, permitiendo visualizar de forma gráfica su posible
correlación. Conocidos también como gráficos XY es una herramienta de análisis
utilizado generalmente en el área de la gestión de calidad con el objeto de encontrar las
relaciones de las causas que producen un efecto.
Tal y como hemos citado en la definición anterior el diagrama de dispersión nos
indica la relación existente entre dos variables, y por lo tanto si traducimos estas dos
variables a grupos de datos, podemos relacionar grupos de datos con el objeto de
verificar o averiguar que existe una relación entre ambos y como es esta relación de
forma aproximada.

Los diagramas de dispersión se emplean para:

 Observar el grado de intensidad en la relación entre dos variables, esta relación

puede ser entre un efecto y una de las supuestas causas que lo producen o para ver la
relación entre dos causas que provocan un mismo efecto.
 Visualizar rápidamente cambios anómalos.
 Analizar determinadas cuestiones mediante comparaciones.

Modo de aplicación

 Los pasos a seguir para construir un diagrama de dispersión son:

 Seleccionar las 2 variables que se van relacionar.
 Establecer una hipótesis de la posible relación entre ambas.
 Construir una tabla que nos relacione los valores de ambas variables por
parejas. Si no disponemos de dichos datos será necesario realizar una toma.
 Dibujar el diagrama poniendo una variable en cada uno de los ejes cartesianos
(x,y) con una escala de valores que se ajuste a los datos que se dispone.
 Representar en el gráfico cada par de valores por un punto.
 Encontrar la correlación analizando la tendencia de la nube de puntos y la
correlación entre las variables.

Hoy en día gracias a la informática disponemos de programas basados en hojas

de cálculo como Excel, Numbers o Calc que nos permiten realizar rápidamente un
diagrama de dispersión con solo introducir los datos de las variables.
 Interpretación del diagrama de dispersión

Una vez que hemos realizado el diagrama de dispersión la forma que adquiera la
nube de puntos nos permitirá analizar la relación entre las 2 variables o grupos de datos,
pudiendo obtener las siguientes figuras e interpretaciones:

Correlación positiva - Se observa como la nube de puntos obtenida adquiere

una forma de recta creciente, cuando los puntos de la nube se encuentra próximos a la
recta se le conoce como fuerte, en el caso que se encuentren distantes a la recta es
conocida como débil. Por ejemplo la relación existente entre la altura y el peso de una
persona es positiva a mayor altura mayor peso.

Correlación negativa - Al contrario del caso anterior se observa como la nube

de puntos obtenida adquiere una forma de recta decreciente, cuando los puntos de la
nube se encuentra próximos a la recta se le conoce como fuerte, en el caso que se
encuentren distantes a la recta es conocida como débil. Por ejemplo la relación existente
para los fumadores entre el número de paquetes de tabaco al mes y los años de vida es
negativa dado que a mayor cantidad de tabaco fumado menor esperanza de vida.

Correlación compleja - La nube de puntos obtenidas adquiere forma de curva,

elipse u otra forma geométrica.

Correlación nula - Se observa una distribución de la nube de puntos con una

forma circular, indicándonos la no existencia de relación entre ambas variables. Por
ejemplo la relación existente entre el color de los ojos y el tamaño del pie es nula.
 EL COEFICIENTE DE CORRELACIÓN DE PERSON
Normalmente denotado como "r", es un valor estadístico que mide la relación
linear entre dos variables. Los rangos de valor van de +1 a -1, lo que indica una perfecta
relación linear positiva y negativa respectivamente entre ambas variables. El cálculo
del coeficiente de correlación normalmente se realiza con programas de estadística,
como SPSS y SAS, para dar los valores posibles más precisos en estudios científicos.
Su interpretación y uso varía de acuerdo con el contexto y propósito del respectivo
estudio en donde se calcula.

Al describir la relación entre dos variables, necesitamos responder al menos

cuatro preguntas:

(1) ¿Están relacionadas las variables entre sí? Si los cambios en el valor de una
de las variables van acompañados de cambios en el valor de la otra, las variables
parecen estar relacionadas.

(2) Si las variables parecen estar relacionadas, ¿qué tan fuerte es la relación entre
las variables? En otras palabras, ¿están estrechamente o sólo levemente relacionadas?

(3) ¿La relación entre las variables es ‘positiva’ o ‘negativa’?

(4) ¿Cuál es la relación causal entre las variables?

El coeficiente de Pearson no entrega respuestas a tres de estas cuatro preguntas:

(1) sobre la pregunta uno, nos indica si dos variables parecen estar correlacionadas o
no; (2) con respecto a la pregunta dos, el coeficiente de Pearson indica la fuerza de la
aparente relación; y (3) el coeficiente, por último, nos indica si la aparente relación es
positiva o negativa. El análisis de correlación no puede responder a la última pregunta.

El coeficiente de correlación de Pearson (r) se mide en una escala de 0 a 1, tanto

en dirección positiva como negativa. Un valor de “0” indica que no hay relación lineal
entre las variables. Un valor de “1” o “–1” indica, respectivamente, una correlación
positiva perfecta o negativa perfecta entre dos variables. Normalmente, el valor de se
ubicará en alguna parte entre 0 y 1 o entre 0 y –1.

En las ciencias sociales en general y en educación en particular, donde la mayoría

de las variables son simultáneamente afectadas por una gran multitud factores, una
correlación positiva de 0,7 o una correlación negativa de –0,7 se consideran muy fuerte.
(Por último, se debe tener en mente que el coeficiente de Pearson mide sólo relaciones
lineales entre variables, y no es útil para medir relaciones que no son lineales.)

El coeficiente de Pearson de correlación.

Valor
del Grado de Correlación
Coeficiente de entre las Variables
Pearson
r=0 Ninguna correlación
Correlación positiva
r=1
perfecta
0<r<1 Correlación positiva
r = -1 Correlación negativa perfecta
-1 < r < 0 Correlación negativa

PROBLEMA DE LA CORELACIÓN O DEPENDENCIA

Cuando no se da ningún tipo de relación entre 2 variables o atributos, diremos

que son independientes.

Dos variables X e Y, son independientes entre sí, cuando una de ellas no influye
en la distribución de la otra condicionada por el valor que adopte la primera. Por el
contrario existirá dependencia cuando los valores de una distribución condicionan a los
de la otra.
 Dada dos variables estadísticas X e Y, la condición necesaria y suficiente para
que sean independientes es:

Propiedades:

1. Si X es independiente de Y, las distribuciones condicionadas de X/Yj son

idénticas a la distribución marginal de X
2. Si X es independiente de Y, Y es independiente de X
3. Si X e Y son 2 variables estadísticamente independientes, su covarianza es
cero. La recíproca de esta propiedad no es cierta, es decir, la covarianza de 2 variables
puede tomar valor cero, y no ser independientes.

(Existe una relación matemática exacta entre ambas variables) El carácter X

depende del carácter Y, si a cada modalidad yj de Y corresponde una única modalidad
posible de X. Por lo tanto cualquiera que sea j, la frecuencia absoluta nij vale cero salvo
para un valor de i correspondiente a una columna j tal que nij = n.j Cada columna de la
tabla de frecuencias tendrá,

Por consiguiente, un único término distinto de cero. Si a cada modalidad xi de X

corresponde una única modalidad posible de Y, será Y dependiente de X. La
dependencia de X respecto de Y no implica que Y dependa de X

Para que la dependencia sea recíproca, los caracteres X e Y deben presentar el

mismo número de modalidades (debe ser n=m) y en cada fila como en cada columna
de la tabla debe haber uno y solo un término diferente de cero.

 Sea X el salario de un empleado e Y la antigüedad del mismo en la empresa

 Dependencia funcional recíproca: X depende de Y e Y depende de X

 Y depende de X pero X no depende de Y

Dependencia Estadística (Existe una relación aproximada) Existen caracteres

que ni son independientes, ni se da entre ellos una relación de dependencia funcional,
pero si se percibe una cierta relación de dependencia entre ambos; se trata de una
dependencia estadística

Cuando los caracteres son de tipo cuantitativo, el estudio de la dependencia

estadística se conoce como el problema de " regresión ", y el análisis del grado de
dependencia que existe entre las variables se conoce como el problema de correlación.
 CONCLUSION

Al realizar el estudio de una población o muestra nos interesará observar más de

un carácter o variable, dando lugar a las variables estadísticas Bidimensionales.
El análisis de correlación emplea métodos para medir la significación del grado o
intensidad de asociación entre dos o más variables. Normalmente, el primer paso es
mostrar los datos en un diagrama de dispersión esta representa en forma gráfica la
relación existente entre dos variables pudiendo observar la dependencia o influencia
que tiene una variable sobre la otra. Una vez que hemos realizado el diagrama de
dispersión la forma que adquiera la nube de puntos nos permitirá analizar la relación
entre las 2 variables o grupos de datos. El coeficiente de correlación de Pearson nos
permitirá saber si el ajuste de la nube de puntos a la recta de regresión obtenida es
satisfactorio; este se encargará de medir la relación lineal entre dos variables aleatorias
siempre y cuando estas sean cuantitativas.
En cuanto a la dependencia entre dos (o más) variables puede ser tal que se base
en una relación funcional (matemática) exacta, como la existente entre la velocidad y
la distancia recorrida por un móvil; o puede ser estadística que se conoce como el
problema de " regresión ", y el análisis del grado de dependencia que existe entre las
variables se conoce como el problema de correlación.
Estas temáticas de estadística son de gran importancia en las diferentes empresas,
enfocadas en cualquier área profesional; ayudan a lograr una adecuada planeación y
control apoyados en los estudios de pronósticos, presupuestos etc.
 Obligan a mantener un archivo de datos históricos controlables.
 Obligan a realizar un autoanálisis periódico.
 Facilitan el control administrativo.
 Ayudan a lograr una mayor efectividad y eficiencia en las operaciones.
 BIBLIOGRAFIA

http://elaboratumonografiapasoapaso.com/blog/como-establecer-la-relacion-
entre-variables/#sthash.UjZnSHru.dpuf
www.scribd.com/doc/2255206/Correlacion-Series-de-Tiempo.
Www.Monografias.com/trabajos30/series-de-tiempo/series-de-tiempo.
Como establecer la relación entre variables
Autor: Juan Rivas
Introducción A La Estadística Para Administración Y Dirección De Empresas.
Autor: José Miguel Casas Sánchez
Berenson, Mark y LEVINE, David estadística para la
administración y economía. Conceptos y aplicaciones.
LIND, MARCHAL, MASON Estadística para Administración y Economía
MANUAL DE ESTADÍSTICAS David Ruíz Muñoz
Capítulo III : Distribuciones Bidimensionales