Correlación x & y. Aletorio

Correlación con valores en X & Y

• X Variable Independiente
• Y Variable Dependiente

Objetivo. Determinar el valor de la correlación de Pearson entre las variabels x & y del conjunto de datos

Las librerías

library(readr)
library(ggplot2)

Los datos

• x representa valores entre 50 y 100
• y rerpesenta valores entre 80 y 90
• Los datos son generados ALEATORIAMENTE con la función sample()
• Son 50

set.seed(2020)
n <- 50 # Total de la muestra

x <- sample(50:100, n, replace = TRUE)
y <- sample(80:90, n, replace = TRUE)

Crear el conjunto de datos

datos <- data.frame(x,y)
datos

##     x  y
## 1  77 80
## 2  93 85
## 3  72 82
## 4  71 88
## 5  73 90
## 6  50 88
## 7  66 84
## 8  85 90
## 9  91 89
## 10 55 85
## 11 98 81
## 12 94 88
## 13 57 82
## 14 91 87
## 15 99 81
## 16 65 80
## 17 78 85
## 18 83 86
## 19 97 87
## 20 52 84
## 21 51 87
## 22 78 81
## 23 89 84
## 24 53 85
## 25 99 83
## 26 63 82
## 27 63 86
## 28 61 83
## 29 97 83
## 30 96 81
## 31 63 89
## 32 56 80
## 33 69 85
## 34 67 88
## 35 70 85
## 36 97 87
## 37 93 86
## 38 67 89
## 39 59 89
## 40 80 89
## 41 55 80
## 42 96 80
## 43 92 80
## 44 62 87
## 45 81 89
## 46 73 81
## 47 62 84
## 48 94 87
## 49 51 83
## 50 80 83

Visualizando datos

• La dispersión de puntos

ggplot(data = datos, aes(x = x, y = y)) +
         geom_point() 

Correlación

• −1.00 = correlación negativa perfecta. (“A mayor X, menor Y”, de manera proporcional. Es decir, cada vez que X aumenta una unidad, Y disminuye siempre una cantidad constante).Esto también se aplica “a menor X, mayor Y”.
• −0.90 = Correlación negativa muy fuerte.
• −0.75 = Correlación negativa considerable.
• −0.50 = Correlación negativa media.
• −0.25 = Correlación negativa débil.
• −0.10 = Correlación negativa muy débil.
• 0.00 = No existe correlación alguna entre las variables.
• +0.10 = Correlación positiva muy débil.
• +0.25 = Correlación positiva débil.
• +0.50 = Correlación positiva media.
• +0.75 = Correlación positiva considerable.
• +0.90 = Correlación positiva muy fuerte.
• +1.00 = Correlación positiva perfecta (“A mayor X, mayor Y” o “a menor X, menor Y”, de manera proporcional. Cada vez que X aumenta, Y aumenta siempre una cantidad constante).

r <- cor(datos$x, datos$y, method = "pearson")

r <- round(r, 4)

r

## [1] -0.0306

Tipo de Correlación

if (r == 0) 
  significa <- "No existe correlación alguna entre las variables."
if (r == −1)
  significa <- "Correlación negativa perfecta."
if (r == 1)
  significa <- "Correlación positiva perfecta."

# Negativas
if (r < -0.90 & r > -1) 
  significa <- "Correlación negativa muy fuerte."
if (r < -0.75 & r >= −0.90) 
  significa <- "Correlación negativa considerable."
if (r < -0.50 & r >= −0.75) 
  significa <- significa <- "Correlación negativa media."
if (r < -0.25 & r >= −0.50) 
  significa <- "Correlación negativa débil."
if (r < −0.10 & r >= -0.25) 
  significa <- "Correlación negativa muy débil."
if (r < 0 & r > -0.10) 
  significa <- "Negativa pero No existe correlación."


# Positivas
if (r > 0 & r < 0.10 ) 
  significa <- "Positiva pero No existe correlación."
if (r > 0.10 & r <= 0.25 ) 
  significa <- "Correlación positiva muy débil."
if (r > 0.25 & r <= 0.50 ) 
  significa <- "Correlación positiva débil."
if (r > 0.50 & r <= 0.75 ) 
  significa <- "Correlación positiva media"
if (r > 0.75 & r <= 0.90 ) 
  significa <- "Correlación positiva considerable."
if (r > 0.90 & r < 1 ) 
  significa <- "Correlación positiva muy fuerte."

Interpretación

El valor del coeficiente de correlación en los datos de las variables x & y es de -0.0306 , que representa una significación de Negativa pero No existe correlación..