Calculadora de coeficiente de correlación (Pearson)
Ingresa dos series numéricas del mismo tamaño para obtener el coeficiente de correlación r. Usa comas, espacios o punto y coma como separadores.
¿Qué es el coeficiente de correlación?
El coeficiente de correlación es una medida estadística que indica el grado de relación lineal entre dos variables cuantitativas. En la práctica, se usa para responder preguntas como: “¿a mayor inversión en publicidad, mayores ventas?” o “¿a más horas de estudio, mejores calificaciones?”.
El valor más conocido es el coeficiente de correlación de Pearson, representado por r, que se mueve entre -1 y +1:
- r = +1: relación lineal positiva perfecta.
- r = 0: no hay relación lineal detectable.
- r = -1: relación lineal negativa perfecta.
Fórmula del cálculo de coeficiente de correlación
La forma clásica del coeficiente de Pearson se puede escribir como:
r = Σ[(xi - x̄)(yi - ȳ)] / √(Σ(xi - x̄)² · Σ(yi - ȳ)²)
Donde:
- xi y yi son los valores observados de cada variable.
- x̄ y ȳ son las medias de X e Y.
- El numerador mide cómo se mueven juntas ambas variables.
- El denominador normaliza la medida según la dispersión de cada variable.
Interpretación rápida de la magnitud
- 0.00 a 0.19: muy débil
- 0.20 a 0.39: débil
- 0.40 a 0.59: moderada
- 0.60 a 0.79: fuerte
- 0.80 a 1.00: muy fuerte
Esta escala es orientativa. El contexto del problema siempre importa.
Cómo hacer el cálculo paso a paso
1) Organiza los datos
Debes tener pares de observaciones: cada valor de X debe corresponder a un valor de Y del mismo caso. Si tienes 10 valores en X, necesitas 10 en Y.
2) Calcula medias
Obtén la media de cada variable para poder calcular las desviaciones frente al promedio.
3) Calcula desviaciones y productos cruzados
Para cada par, calcula (xi - x̄), (yi - ȳ) y su producto. Luego suma todos los productos.
4) Calcula sumas de cuadrados
Suma (xi - x̄)² y (yi - ȳ)² por separado para medir la variabilidad de cada variable.
5) Divide y obtiene r
Aplica la fórmula final. El resultado te dirá la dirección (signo) y la fuerza (magnitud) de la relación lineal.
Ejemplo práctico sencillo
Supongamos que quieres estudiar la relación entre horas de práctica y rendimiento:
- X: 2, 4, 6, 8, 10
- Y: 1, 3, 4, 6, 8
Si ingresas esos datos en la calculadora de arriba, obtendrás un r positivo alto. Eso sugiere que cuando X aumenta, Y también tiende a aumentar de manera bastante lineal.
Además, puedes revisar R² (coeficiente de determinación), que se calcula como r². Este valor representa qué proporción de la variación de Y se explica linealmente por X.
Errores comunes al calcular correlación
- Confundir correlación con causalidad: que dos variables se muevan juntas no prueba que una cause a la otra.
- No revisar valores atípicos: un outlier puede alterar mucho el valor de r.
- Usar Pearson con relaciones no lineales: podría dar un r bajo aunque exista una relación clara de otro tipo.
- Series de distinto tamaño: sin pares completos, el cálculo no es válido.
- Datos constantes: si una variable no varía, la correlación no se puede calcular correctamente.
¿Cuándo usar Pearson y cuándo no?
Usa Pearson cuando trabajes con variables numéricas y te interese una relación aproximadamente lineal. Si tus datos son ordinales o no siguen una estructura lineal, considera alternativas como Spearman.
También es buena práctica complementar el cálculo con una gráfica de dispersión. Ver los puntos en un plano te ayuda a detectar patrones, curvaturas y outliers.
Conclusión
El cálculo de coeficiente de correlación es una herramienta esencial para análisis de datos, investigación y toma de decisiones. Con una buena interpretación, puedes descubrir relaciones útiles entre variables y evitar conclusiones engañosas.
Usa la calculadora de esta página para obtener resultados rápidos, pero recuerda acompañar el número con contexto, visualización y criterio estadístico.