Calculadora de Coeficiente de Correlación
Calcula el coeficiente de correlación (Pearson r y Spearman ρ) entre dos conjuntos de datos. Encuentra la fuerza y dirección de las relaciones con R², gráficos de dispersión, líneas de regresión y cálculos paso a paso.
Calculadoras Relacionadas
También podrías encontrar útiles estas calculadoras
Calculadora de Coeficiente de Correlación - Pearson y Spearman
Calcula coeficientes de correlación para medir la relación entre dos variables. Calcula Pearson r para relaciones lineales, Spearman ρ para relaciones monótonas, y el coeficiente de determinación (R²). Incluye gráficos de dispersión interactivos con líneas de regresión y análisis estadístico detallado.
¿Qué es el Coeficiente de Correlación?
El coeficiente de correlación es una medida estadística que describe la fuerza y dirección de una relación lineal entre dos variables. Varía de -1 a +1, donde +1 indica una correlación positiva perfecta, -1 indica una correlación negativa perfecta, y 0 indica ninguna relación lineal. El r de Pearson mide la correlación lineal, mientras que el ρ de Spearman mide relaciones monótonas y es más robusto ante valores atípicos.
Fórmula de Correlación de Pearson
r = Σ(xᵢ - x̄)(yᵢ - ȳ) / √[Σ(xᵢ - x̄)² × Σ(yᵢ - ȳ)²]Cómo Usar Esta Calculadora
Aplicaciones del Análisis de Correlación
Investigación Científica
Medir relaciones entre variables en experimentos, desde efectos de dosis de medicamentos hasta factores ambientales.
Análisis Financiero
Evaluar la diversificación de cartera midiendo la correlación entre rendimientos de activos, divisas o indicadores económicos.
Analítica de Marketing
Analizar relaciones entre gasto publicitario y ventas, satisfacción del cliente y tasas de retención.
Evaluación Educativa
Estudiar correlaciones entre horas de estudio y calificaciones, asistencia y rendimiento académico.
Preguntas Frecuentes
Usa Pearson (r) cuando tus datos son continuos, normalmente distribuidos, y esperas una relación lineal. Usa Spearman (ρ) cuando los datos son ordinales, tienen valores atípicos, no son normales, o cuando pruebas cualquier relación monótona (no solo lineal). Spearman también es mejor para datos de rango o cuando las relaciones son curvas pero consistentemente crecientes o decrecientes.