¿Qué es el coeficiente de correlación de Pearson?
El coeficiente de correlación de Pearson, representado con la letra r, mide con qué fuerza se relacionan dos variables numéricas siguiendo una línea recta (relación lineal). Su valor siempre se sitúa entre -1 y +1. Un resultado cercano a +1 indica que las variables aumentan juntas; cercano a -1 significa que una sube mientras la otra baja; y próximo a 0 revela poca o ninguna relación lineal. Es una herramienta universal: sirve para cualquier conjunto de datos numéricos emparejados, sea cual sea el campo de estudio.
Cómo usar esta calculadora
Introduce tus valores de X y tus valores de Y, separados por comas o espacios. Cada X debe corresponderse con la Y que ocupa la misma posición, por lo que ambas listas deben tener el mismo número de elementos. Pulsa en calcular para obtener r, junto con el coeficiente de determinación (r²), la pendiente y el intercepto de la regresión por mínimos cuadrados, y la covarianza.
La fórmula, paso a paso
Para cada punto de datos se calcula la desviación de x respecto a su media \((x - \bar{x})\) y la de y respecto a su media \((y - \bar{y})\). El numerador suma los productos de estas desviaciones. El denominador es la raíz cuadrada del producto de las desviaciones cuadráticas sumadas de cada variable. Esta división estandariza el resultado, de modo que queda sin unidades y acotado entre -1 y +1.
$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}}$$
$$\begin{gathered} r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \, \sum (y_i - \bar{y})^2}} \\[1.5em] \text{where}\quad \left\{ \begin{aligned} x_i &= \text{X values} \\ y_i &= \text{Y values} \\ \bar{x} &= \tfrac{1}{n}\textstyle\sum x_i,\quad \bar{y} = \tfrac{1}{n}\textstyle\sum y_i \end{aligned} \right. \end{gathered}$$
Ejemplo resuelto
Tomemos X = 1, 2, 3, 4, 5 e Y = 2, 4, 5, 4, 5. Las medias son \(\bar{x} = 3\) e \(\bar{y} = 4\). La suma de los productos cruzados \(\sum (x - \bar{x})(y - \bar{y}) = 6\), \(\sum (x - \bar{x})^2 = 10\) y \(\sum (y - \bar{y})^2 = 6\). Por tanto,
$$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0{,}7746$$
lo que indica una relación lineal positiva bastante fuerte.
Interpretación de tu coeficiente de correlación
El coeficiente de Pearson \(r\) siempre se encuentra entre \(-1\) y \(+1\). El signo indica la dirección: positivo significa que Y tiende a aumentar cuando X aumenta, y negativo significa que Y tiende a disminuir cuando X aumenta. La magnitud \(|r|\) muestra qué tan de cerca siguen los puntos una línea recta. Un valor de 0 significa que no hay relación lineal, lo cual no es lo mismo que no tener ninguna relación en absoluto.
| |r| | Descriptor común |
|---|---|
| 0.00 – 0.19 | Muy débil |
| 0.20 – 0.39 | Débil |
| 0.40 – 0.59 | Moderada |
| 0.60 – 0.79 | Fuerte |
| 0.80 – 1.00 | Muy fuerte |
Estos límites son una regla práctica, y las convenciones varían según el campo. Los puntos de referencia de Cohen, muy citados en las ciencias del comportamiento, consideran 0.1 como pequeño, 0.3 como mediano y 0.5 como grande. La física y la ingeniería suelen esperar que |r| sea superior a 0.95, mientras que las ciencias sociales y la medicina pueden considerar significativos valores mucho más bajos. Evalúa un valor según las normas de tu disciplina.
Varianza explicada: \(r^2\), el coeficiente de determinación, es la proporción de la varianza en Y que se explica por una relación lineal con X. Por ejemplo, \(r = 0.775\) da \(r^2 \approx 0.60\), por lo que alrededor del 60% de la variación en Y está asociada linealmente con X. Ten en cuenta que \(r^2\) no tiene signo.
Advertencias
- Valores atípicos: un solo punto extremo puede aumentar o disminuir r de forma notable. Revisa siempre un diagrama de dispersión.
- Relaciones no lineales: una relación perfecta en forma de U o curva puede dar un r cercano a 0.
- Rango restringido: si solo muestreas una franja estrecha de valores de X, r suele ser más pequeño que sería en el rango completo.
- Muestras pequeñas: con pocos pares, r puede ser grande solo por azar. Con n = 3, por ejemplo, casi cualquier valor es posible. Las pruebas de significancia o los intervalos de confianza ayudan en este caso.
- Cuarteto de Anscombe: cuatro conjuntos de datos distintos que comparten estadísticos resumen casi idénticos (r ≈ 0.816, mismas medias y varianzas, misma recta ajustada), pero que se ven completamente diferentes al graficarlos. Esto muestra que r por sí solo nunca basta.
- La correlación no implica causalidad: una r fuerte puede deberse a una variable de confusión, a una causalidad inversa o a una simple coincidencia.
Términos clave y definiciones
- Coeficiente de correlación (r)
- Un número sin unidades entre −1 y +1 que mide la fuerza y la dirección de la relación lineal entre dos variables.
- Coeficiente de determinación (r²)
- El cuadrado de r. Es la proporción de la varianza en Y que se explica linealmente por X, y va de 0 a 1.
- Covarianza
- Una medida de cómo varían juntas dos variables, en unidades de X por unidades de Y. La covarianza muestral divide \(S_{xy}\) entre \(n-1\). La covarianza poblacional divide entre \(n\).
- Pendiente de regresión
- El cambio en el valor predicho de Y por cada aumento de una unidad en X: \(b = S_{xy}/S_{xx}\).
- Intersección
- El valor predicho de Y cuando X = 0: \(a = \bar{y} - b\bar{x}\).
- Recta de mínimos cuadrados
- La recta \(\hat{y} = a + bx\) que minimiza la suma de los cuadrados de las distancias verticales entre los puntos observados y la recta.
- Datos pareados
- Observaciones en las que cada valor de X se empareja con un valor de Y del mismo sujeto o caso. Ambas listas deben tener la misma longitud.
- Valor atípico
- Un punto de datos alejado del patrón general. Puede distorsionar mucho r, la pendiente y la intersección.
- Relación lineal frente a monótona
- Una relación lineal sigue una línea recta. Una relación monótona aumenta de forma constante o disminuye de forma constante, pero no necesariamente a un ritmo fijo, por lo que puede ser curva.
- Correlación de rangos de Spearman
- La alternativa al r de Pearson para datos monótonos pero no lineales, o para datos con valores atípicos u ordinales. Se calcula sobre los rangos de los valores en lugar de sobre los valores originales.
Preguntas frecuentes
¿Qué me dice r²? Es r al cuadrado y representa la fracción de la variación de Y que explica la relación lineal con X. Una r de 0,7746 da un \(r^2 \approx 0{,}6\), es decir, que aproximadamente el 60 % de la varianza queda explicada.
¿La correlación demuestra causalidad? No. Una r elevada muestra que dos variables se mueven juntas, pero no prueba que una sea la causa de la otra.
¿Y si r es exactamente 0? No existe asociación lineal alguna, aunque podría haber una relación no lineal que el coeficiente de Pearson no es capaz de detectar.