TEMA 12: CONCORDANCIA Y CORRELACIÓN. PEARSON Y SPEARMAN.

CORRELACIÓN PARAMÉTRICA (PEARSON): relaciona 2 variables cuantitativas. Para representar los valores obtenidos de cada variable, representamos en el eje X la variable independiente y en el eje Y la variable dependiente. Si existe relación o no entre ellas, el tipo de relación (en el caso que exista) y predecir el valor de una en función de otra se verá  representado en un diagrama de dispersión (Scatterplot). 

Ej: Variable Independiente (cm) y variable dependiente (Kg).

A medida que aumenta 1cm, aumenta 1kg.

Los tipos de relación entre las variables pueden ser: 

Si quisiéramos estudiar la influencia de la edad en las cifras de Tensión Arterial Sistólica, aplicacaríamos una regresión lineal simple ya que solo hay una variable independiente (edad).

y=ax+b; TAS=ax Edad +b

Siendo x=v.independiente; y=v.dependiente; a=pendiente de la recta

Utilizamos Pearson cuando la distribución es normal. Y Spearman cuando no lo es.

COEFICIENTE DE CORRELACIÓN  r DE PEARSON: mide el grado de relación de dependencia entre las dos variables (x,y). 

• Si r =1: Correlación Positiva Perfecta (aumenta X e Y)
• Si r = -1: Correlación Negativa Perfecta (aumenta x, disminuye Y)
• Si r = 0: No existe correlación.

Para comprobar la normalidad de los datos: 

• Usamos un histograma 
• Pruebas estadísticas más fiables como: Prueba Kolmogorov-Smirnov (tamaño muestral grande) o Prueba de Shapiro-Vilk (tamaño muestral menor de 50)

Para explicar y aclarar los concepto de coeficiente de correlación y el coeficiente de relación, ¡¡os dejo por aquí un vídeo interesante!!

https://www.youtube.com/watch?v=MtDXpWC_RLc