Ir a Parte 1
Luego de la presentación que hicimos del tema correlación lineal en la entrada anterior, y de ver que mediante un diagrama de dispersión, podemos observar si hay o no relación lineal entre dos variables, pasaremos a explicar al coeficiente de correlación r de Pearson.
En un diagrama de dispersión, podemos ver si existe relación lineal entre dos variables, si dicha relación es positiva o negativa, y quizás podamos darnos una idea de la magnitud de esta relación. Si todos los puntos se encuentran en una misma linea, la correlación entre variables es perfecta. Si los puntos en el diagrama se encuentran en forma de globo, la relación entre variables será pobre o nula. Entre una distribución en linea perfecta y una nube de puntos en forma de globo, tenemos distintas nubes en forma de óvalo. Cuanto más cerrado sea el óvalo, mayor correlación lineal encontraremos.
Ahora bien, ¿es suficiente el diagrama de dispersión para hablar de correlación lineal?. La respuesta es NO. Vamos a necesitar de la ayuda del coeficiente r de Pearson, para poder hablar con precisión del tipo y magnitud de una correlación lineal.
Si el signo del coeficiente r de Pearson es positivo, la correlación entre variables es positiva (aumenta una variable, aumenta la otra). Si el signo del coeficiente es negativo, la correlación lineal es negativa (aumenta una variable, disminuye la otra). Esto se puede ver claramente en todos los diagramas de dispersión incluidos en las figuras 1, 2 y 3 del artículo de la condición física y el perfil antropométrico en el equipo brasileño de judo, artículo en el que nos estamos apoyando para desarrollar este tema.
Ahora pasaremos a explicar al coeficiente de Pearson, combinando signo y magnitud:
El coeficiente r de Pearson toma valores que oscilan entre -1 y +1. Si r es igual a -1, la correlación es perfecta y negativa. Si r es igual a +1, la correlación es perfecta y positiva. Cuanto más cerca se encuentre el valor r de -1 o de +1 más fuerte será la correlación lineal entre las variables. Si r se acerca a 0, las variables estarán poco o nada correlacionadas.
Correlaciones de 0 a 0,25 (o -0,25) indican correlación escasa o falta de correlación; de 0,25 a 0,50 (o -0,25 a -0,50), cierto grado de correlación; de 0,50 a 0,75 (o -0,50 a -0,75) la relación es de moderada a buena, y de 0,75 a 1 (o de -0,75 a -1) la correlación es de muy buena a excelente.
En la figura 1, diagrama B, podemos ver que la correlación lineal entre el el peso corporal y una repetición máxima en el ejercicio de remo, es muy buena y positiva (r=0,89). En la figura 1, diagrama E, vemos que la correlación lineal entre el % de grasa corporal y el consumo máximo de oxígeno, es muy buena y negativa (r=-0,83).
En la figura 2, podemos ver muy buenas correlaciones y positivas entre los perímetros corporales y los ejercicios de fuerza máxima. En el diagrama C, vemos una correlación de 0,90 entre el perímetro del tórax y una repetición máxima en press de pecho. En el diagrama E, encontramos una correlación de 0,86 entre el perímetro del muslo y una repetición máxima en sentadilla.
En la figura 3, podemos ver una buena correlación y positiva (r=0,79), entre el consumo máximo de oxígeno estimado y el número de veces que se tira al piso a los colaboradores en el test de judo SJFT.
Solo para asustar un poco al lector, presentaré a continuación a la formula del coeficiente r:
Y para que este apasionado lector vuelva a la calma, doy aviso de que en la próxima entrada mostraré como algunos programas informáticos, resuelven este tipo de formulas por nosotros en un par de clicks.
Luego de la presentación que hicimos del tema correlación lineal en la entrada anterior, y de ver que mediante un diagrama de dispersión, podemos observar si hay o no relación lineal entre dos variables, pasaremos a explicar al coeficiente de correlación r de Pearson.
En un diagrama de dispersión, podemos ver si existe relación lineal entre dos variables, si dicha relación es positiva o negativa, y quizás podamos darnos una idea de la magnitud de esta relación. Si todos los puntos se encuentran en una misma linea, la correlación entre variables es perfecta. Si los puntos en el diagrama se encuentran en forma de globo, la relación entre variables será pobre o nula. Entre una distribución en linea perfecta y una nube de puntos en forma de globo, tenemos distintas nubes en forma de óvalo. Cuanto más cerrado sea el óvalo, mayor correlación lineal encontraremos.
Ahora bien, ¿es suficiente el diagrama de dispersión para hablar de correlación lineal?. La respuesta es NO. Vamos a necesitar de la ayuda del coeficiente r de Pearson, para poder hablar con precisión del tipo y magnitud de una correlación lineal.
Si el signo del coeficiente r de Pearson es positivo, la correlación entre variables es positiva (aumenta una variable, aumenta la otra). Si el signo del coeficiente es negativo, la correlación lineal es negativa (aumenta una variable, disminuye la otra). Esto se puede ver claramente en todos los diagramas de dispersión incluidos en las figuras 1, 2 y 3 del artículo de la condición física y el perfil antropométrico en el equipo brasileño de judo, artículo en el que nos estamos apoyando para desarrollar este tema.
Ahora pasaremos a explicar al coeficiente de Pearson, combinando signo y magnitud:
El coeficiente r de Pearson toma valores que oscilan entre -1 y +1. Si r es igual a -1, la correlación es perfecta y negativa. Si r es igual a +1, la correlación es perfecta y positiva. Cuanto más cerca se encuentre el valor r de -1 o de +1 más fuerte será la correlación lineal entre las variables. Si r se acerca a 0, las variables estarán poco o nada correlacionadas.
Correlaciones de 0 a 0,25 (o -0,25) indican correlación escasa o falta de correlación; de 0,25 a 0,50 (o -0,25 a -0,50), cierto grado de correlación; de 0,50 a 0,75 (o -0,50 a -0,75) la relación es de moderada a buena, y de 0,75 a 1 (o de -0,75 a -1) la correlación es de muy buena a excelente.
En la figura 1, diagrama B, podemos ver que la correlación lineal entre el el peso corporal y una repetición máxima en el ejercicio de remo, es muy buena y positiva (r=0,89). En la figura 1, diagrama E, vemos que la correlación lineal entre el % de grasa corporal y el consumo máximo de oxígeno, es muy buena y negativa (r=-0,83).
En la figura 2, podemos ver muy buenas correlaciones y positivas entre los perímetros corporales y los ejercicios de fuerza máxima. En el diagrama C, vemos una correlación de 0,90 entre el perímetro del tórax y una repetición máxima en press de pecho. En el diagrama E, encontramos una correlación de 0,86 entre el perímetro del muslo y una repetición máxima en sentadilla.
En la figura 3, podemos ver una buena correlación y positiva (r=0,79), entre el consumo máximo de oxígeno estimado y el número de veces que se tira al piso a los colaboradores en el test de judo SJFT.
Solo para asustar un poco al lector, presentaré a continuación a la formula del coeficiente r:
Y para que este apasionado lector vuelva a la calma, doy aviso de que en la próxima entrada mostraré como algunos programas informáticos, resuelven este tipo de formulas por nosotros en un par de clicks.
No hay comentarios:
Publicar un comentario