Calculadora de Coeficiente de Correlación

El coeficiente de correlación mide cuán fuertemente se mueven juntas dos variables, y esta calculadora lo computa a partir de tus datos. Introduces dos listas de números, los valores emparejados x e y, y devuelve el coeficiente de correlación de Pearson r y el tamaño de la muestra. La r de Pearson cuantifica la fuerza y la dirección de la relación lineal entre las dos variables en una escala de menos uno a más uno. Un valor cercano a más uno significa una relación positiva fuerte; cerca de menos uno una relación negativa fuerte; y cerca de cero poca o ninguna relación lineal. Guías aproximadas llaman fuerte a un valor absoluto por encima de 0.7, moderado de 0.3 a 0.7, y débil por debajo de 0.3. La correlación se usa ampliamente en estadística y ciencia. Una advertencia crucial: la correlación no implica causalidad; una correlación fuerte muestra que las variables se mueven juntas pero no que una cause la otra. Además, r solo captura relaciones lineales.

Cómo funciona

Fórmula: r = (nΣxy − ΣxΣy) / √((nΣx² − (Σx)²)(nΣy² − (Σy)²))

El coeficiente de correlación de Pearson r mide la fuerza y la dirección de la relación lineal entre dos variables. Se computa a partir de las sumas de los valores x e y, sus productos y sus cuadrados. El resultado va de −1 (negativo perfecto) pasando por 0 (ninguno) a +1 (correlación positiva perfecta).

Cuándo usarla

Esta calculadora sirve cuando tienes dos conjuntos de datos emparejados y quieres medir qué tan fuerte es su relación lineal, por ejemplo entre horas de estudio y calificaciones, gasto en publicidad y ventas, o temperatura y consumo de energía. La usan estudiantes de estadística al aprender la correlación de Pearson, investigadores que analizan resultados experimentales, y analistas financieros que evalúan cómo se mueven juntos dos activos para diversificar una cartera. También resulta útil como paso previo a una regresión, para comprobar si existe una asociación lineal que justifique el modelo. Al introducir las listas de valores x e y, obtienes el coeficiente r y el tamaño de la muestra, lo que te permite cuantificar si las variables suben juntas, se mueven en sentidos opuestos o apenas se relacionan, y así respaldar conclusiones con una medida numérica en lugar de una impresión visual.

Consejos y consideraciones

La advertencia más importante es que la correlación no implica causalidad: un valor alto de r indica que dos variables se mueven juntas, pero no que una cause la otra; podría ser coincidencia o deberse a un tercer factor oculto. Además, r solo capta relaciones lineales, así que un patrón curvo fuerte puede arrojar un r cercano a cero pese a existir una relación clara; conviene siempre graficar los datos. El coeficiente es muy sensible a valores atípicos, que pueden inflar o deprimir el resultado de forma engañosa. Necesitas listas emparejadas de igual longitud, y con muestras pequeñas el valor es poco fiable. Recuerda que r al cuadrado indica la proporción de varianza explicada. Si la relación es monótona pero no lineal, considera la correlación de Spearman en su lugar. Interpreta la fuerza (fuerte, moderada o débil) según el contexto de tu disciplina.