estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/acuerdo-y-concordancia
Acuerdo y concordancia entre dos mediciones
Cuándo dos observadores o dos instrumentos miden lo mismo: kappa, coeficiente intraclase y Bland-Altman, y por qué la correlación no sirve para esto.
Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma
1 · Una pregunta distinta
Las medidas de asociación contestan si dos variables se mueven juntas. Acá la pregunta es otra: si dos mediciones de lo mismo coinciden.

Aparece cada vez que hay dos observadores codificando las mismas historias clínicas, dos aparatos midiendo la misma presión, dos codificadores clasificando las mismas respuestas abiertas, o el mismo instrumento aplicado dos veces.
2 · Por qué la correlación no sirve
Tomemos dos métodos que miden la misma magnitud, y supongamos que el segundo siempre da 3 unidades más que el primero:
| Método A | 10 | 12 | 14 | 16 | 18 | 20 |
|---|---|---|---|---|---|---|
| Método B | 13 | 15 | 17 | 19 | 21 | 23 |
La correlación de Pearson vale exactamente 1. Y sin embargo los dos métodos no coinciden en ninguna medición: hay un sesgo sistemático de 3 unidades que la correlación no ve, porque a Pearson no le importan ni el nivel ni la escala de las mediciones, solo que una sea función lineal de la otra. Lo mismo pasaría si B diera siempre el doble que A —un sesgo proporcional—: seguiría valiendo 1.
3 · Qué usar según el tipo de variable
| Tipo de medición | Medida | Qué corrige |
|---|---|---|
| Categórica nominal | Kappa de Cohen | el acuerdo que se lograría por azar |
| Categórica ordinal | Kappa ponderada | ídem, penalizando más los desacuerdos lejanos |
| Cuantitativa | Coeficiente intraclase (CCI), versión de acuerdo absoluto | las diferencias sistemáticas entre observadores |
| Cuantitativa, para ver el patrón | Gráfico de Bland-Altman | muestra sesgo y límites, no lo resume en un número |
Con más de dos observadores, kappa se generaliza en la kappa de Fleiss, y el CCI admite cualquier cantidad de observadores sin cambiar de forma.
4 · Kappa: por qué no alcanza el porcentaje de acuerdo
Dos evaluadores clasifican 100 casos como “apto” o “no apto” y coinciden en 85. ¿Es bueno un 85 %? Depende de cuánto habrían coincidido por azar.
donde es el acuerdo observado y el esperable por azar, que sale de los marginales de la tabla. No es el azar de una moneda, que daría siempre 50 %: es lo que coincidirían los dos si cada uno clasificara al azar pero con sus propias proporciones. Si los dos dicen “apto” casi siempre, van a coincidir casi siempre sin mirar los casos.
| Situación | Acuerdo observado | Esperado por azar | Kappa |
|---|---|---|---|
| Categorías parejas (45/10/5/40) | 85 % | 50 % | 0,70 |
| Categorías desbalanceadas (85/10/5/0) | 85 % | 86 % | −0,07 |
Las referencias habituales para leerlo son convencionales, como siempre, y hay más de una versión. Las dos más citadas son la de Landis y Koch (1977) y la que Douglas Altman difundió en medicina:
| Kappa | Landis y Koch | Altman |
|---|---|---|
| menos de 0 | pobre | pobre |
| 0 – 0,20 | leve | pobre |
| 0,21 – 0,40 | aceptable | débil |
| 0,41 – 0,60 | moderado | moderado |
| 0,61 – 0,80 | sustancial | bueno |
| 0,81 – 1 | casi perfecto | muy bueno |
Los propios Landis y Koch presentaron sus cortes como arbitrarios.
Para categorías ordenadas, la kappa ponderada de Cohen (1968) da crédito parcial a los desacuerdos cercanos. Los pesos pueden ser lineales —el desacuerdo pesa en proporción a la distancia— o cuadráticos —pesa según la distancia al cuadrado—, y no dan lo mismo: en una misma tabla de ocho casos con tres categorías, 0,59 con pesos lineales y 0,73 con cuadráticos. Hay que declarar cuáles se usaron. La cuadrática tiene una ventaja: es prácticamente equivalente al coeficiente intraclase.
5 · Cuantitativas: el intraclase y Bland-Altman
Con mediciones numéricas, el coeficiente de correlación intraclase compara la variabilidad entre sujetos con la variabilidad dentro de cada sujeto. Pero no hay un solo CCI: McGraw y Wong (1996) distinguen diez, y el software devuelve varios a la vez. La distinción que importa para el acuerdo es esta:
| CCI | Qué pregunta | Con el ejemplo de §2 |
|---|---|---|
| De consistencia | ¿Ordenan igual a los casos? | 1,00 |
| De acuerdo absoluto | ¿Dan el mismo valor? | 0,76 |
Y el gráfico de Bland-Altman es la herramienta que conviene mirar antes que cualquier coeficiente. Es un diagrama de dispersión de:
- en el eje horizontal, el promedio de las dos mediciones de cada caso;
- en el vertical, la diferencia entre ellas.
| Lo que se ve | Qué significa |
|---|---|
| La nube centrada en cero | No hay sesgo sistemático |
| La nube corrida hacia arriba o abajo | Un método mide sistemáticamente más que el otro |
| Un embudo que se abre | El desacuerdo crece con la magnitud |
| Una pendiente | El sesgo depende del valor medido |
Sobre él se dibujan los límites de acuerdo: la diferencia media más y menos 1,96 desvíos de las diferencias —aproximadamente dos—. Esa franja dice, en las unidades del instrumento, cuánto pueden discrepar dos mediciones del mismo caso: abarca el 95 % de las discrepancias.
Esos límites suponen que las diferencias son aproximadamente normales y que no cambian con la magnitud. Si el gráfico muestra un embudo o una pendiente —las dos últimas filas de la tabla—, una franja fija no sirve: se trabaja con el logaritmo de las mediciones, que convierte el desacuerdo en porcentual, o con límites que varían según el valor medido.
6 · Antes de medir el acuerdo
Tres decisiones que definen si el número va a significar algo:
Que las mediciones sean independientes. Si el segundo observador ve la clasificación del primero, el acuerdo está inflado y no mide nada.
Que el material sea el habitual. Medir el acuerdo sobre casos fáciles seleccionados da un número que no se parece al del trabajo real.
Que la cantidad de casos alcance. Con veinte casos, el intervalo de confianza de un kappa es enorme: la tabla pareja de arriba, reducida a 20 casos, da un kappa de 0,70 con un intervalo que va de 0,39 a 1, o sea de “débil” a “perfecto”. Con los 100 casos originales va de 0,56 a 0,84. Y como en todo, el coeficiente se informa con su intervalo.
7 · Errores frecuentes
- Usar la correlación de Pearson para evaluar acuerdo. El error central de esta entrada.
- Informar solo el porcentaje de acuerdo. Sin corregir por azar no dice cuánto mérito hay.
- Leer un kappa bajo como “los observadores son malos” cuando el problema es que una categoría concentra casi todos los casos.
- Usar kappa simple con categorías ordinales. Ahí va la versión ponderada: confundir “leve” con “grave” no es lo mismo que confundirlo con “moderado”.
- Resumir el acuerdo de variables numéricas en un solo coeficiente sin mirar el gráfico de diferencias.
- Informar “el CCI” sin decir cuál. El de consistencia no ve los sesgos; para acuerdo va el de acuerdo absoluto.
- Evaluar el acuerdo sobre casos seleccionados por ser claros.
- No declarar si los observadores trabajaron a ciegas uno del otro.
- Confundir acuerdo con validez. Dos observadores pueden coincidir perfectamente y estar los dos equivocados; ver error y sesgo.
8 · En el software
# R — psych se instala aparte
library(psych)
# Kappa: la tabla de §4, observador 1 en filas y observador 2 en columnas
tabla <- matrix(c(45, 5, 10, 40), nrow = 2)
cohen.kappa(tabla) # 0.70, IC de 0.56 a 0.84
# CCI: una columna por observador, una fila por caso
obs1 <- c(10, 12, 14, 16, 18, 20)
obs2 <- obs1 + 3
ICC(data.frame(obs1, obs2), lmer = FALSE) # seis; para acuerdo, ICC2 = 0.76
# lmer = FALSE estima por ANOVA. Con datos sin ningún ruido, como estos, la
# estimación por defecto (modelos mixtos) no converge y da cualquier cosa.
# Bland-Altman a mano
promedio <- (obs1 + obs2) / 2
diferencia <- obs1 - obs2
plot(promedio, diferencia)
abline(h = mean(diferencia)) # sesgo
abline(h = mean(diferencia) + c(-1.96, 1.96) * sd(diferencia), lty = 2)
# Python — scikit-learn y pingouin se instalan aparte
import numpy as np
import pandas as pd
from sklearn.metrics import cohen_kappa_score
import pingouin as pg
import matplotlib.pyplot as plt
# Kappa: una lista de clasificaciones por observador, caso por caso
clasif1 = [1, 2, 3, 1, 2, 3, 3, 2] # 1 leve, 2 moderado, 3 grave
clasif2 = [1, 2, 2, 1, 3, 3, 3, 1]
cohen_kappa_score(clasif1, clasif2)
cohen_kappa_score(clasif1, clasif2, weights="linear") # 0.59, pesos lineales
cohen_kappa_score(clasif1, clasif2, weights="quadratic") # 0.73, cuadráticos
# CCI: pingouin pide formato largo, una fila por caso y observador
obs1 = np.array([10, 12, 14, 16, 18, 20]); obs2 = obs1 + 3
d = pd.DataFrame({"caso": np.tile(range(6), 2),
"obs": np.repeat(["A", "B"], 6),
"valor": np.r_[obs1, obs2]})
pg.intraclass_corr(data=d, targets="caso", raters="obs", ratings="valor")
# seis filas; para acuerdo, ICC(A,1) = 0.76
# Bland-Altman a mano
promedio, diferencia = (obs1 + obs2) / 2, obs1 - obs2
sesgo, de = diferencia.mean(), diferencia.std(ddof=1)
plt.scatter(promedio, diferencia)
plt.axhline(sesgo)
for lim in (sesgo - 1.96 * de, sesgo + 1.96 * de):
plt.axhline(lim, linestyle="--")
SPSS: Analizar › Estadísticos descriptivos › Tablas cruzadas
› Estadísticos › Kappa (solo la kappa sin ponderar)
Analizar › Escala › Análisis de fiabilidad › Estadísticos
› Coeficiente de correlación intraclase
(Tipo: Acuerdo absoluto; por defecto viene Consistencia)Referencias
- Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46. https://doi.org/10.1177/001316446002000104
- Cohen, J. (1968). Weighted kappa: Nominal scale agreement with provision for scaled disagreement or partial credit. Psychological Bulletin, 70(4), 213–220. https://doi.org/10.1037/h0026256
- Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174. https://doi.org/10.2307/2529310
- Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. https://doi.org/10.1016/S0140-6736(86)90837-8
- McGraw, K. O., & Wong, S. P. (1996). Forming inferences about some intraclass correlation coefficients. Psychological Methods, 1(1), 30–46. https://doi.org/10.1037/1082-989X.1.1.30
Todas las obras que cita el sitio están en la bibliografía.
Herramientas de este tema
- CalculadoraKappa, intraclase y Bland-Altman
Seguir leyendo
Bioestadística · Fundamentos y descripción · 69 de 330
Probabilidad y Estadística · Fundamentos y descripción · 68 de 302
Estadística para Ciencias Sociales · Fundamentos y descripción · 66 de 288
Estadística para la tesis · Los datos · 119 de 233
Cómo citar: Montivero, J. L. (2026). Acuerdo y concordancia entre dos mediciones. estadistica.ar. https://estadistica.ar/conceptos/acuerdo-y-concordancia
estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.
Cómo citar esta entrada
APA (7.ª edición)
Montivero, J. L. (2026). Acuerdo y concordancia entre dos mediciones. estadistica.ar. https://estadistica.ar/conceptos/acuerdo-y-concordancia
BibTeX
@misc{estadistica_ar_acuerdo_y_concordancia,
author = {Montivero, Jorge Luis},
title = {{Acuerdo y concordancia entre dos mediciones}},
year = {2026},
howpublished = {\url{https://estadistica.ar/conceptos/acuerdo-y-concordancia}},
note = {estadistica.ar. Consultado el \today},
urldate = {2026-11-10}
}Última actualización: 10 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.