Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/correlacion-de-pearson

M03 · BivariadaTroncalConcepto

Coeficiente de correlación de Pearson

La medida estándar de asociación lineal entre dos variables cuantitativas: qué mide exactamente y qué no detecta.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Definición

El coeficiente de correlación de Pearson es la covarianza estandarizada:

r=sxysx syr = \frac{s_{xy}}{s_x \, s_y}
Correlación de Pearson: qué mide, cómo se ve y qué no detecta · video, 3:44

La misma cuenta, escrita con los valores estandarizados de cada variable, deja ver qué suma:

r=1n−1∑i=1nzxi zyir = \frac{1}{n-1}\sum_{i=1}^{n} z_{x_i}\, z_{y_i}

Cada caso aporta el producto de sus dos puntajes zz. Los que están del mismo lado de la media en las dos variables —arriba y arriba, o abajo y abajo— suman; los que están en cuadrantes opuestos restan. El signo de rr dice cuál de los dos grupos pesa más.

2 · Sus propiedades

Va de −1 a +1. Los extremos son relación lineal perfecta; el 0, ausencia de relación lineal.

No tiene unidades, así que se puede comparar entre pares de variables distintas.

Es simétrico: rxy=ryxr_{xy} = r_{yx}. No distingue explicativa de respuesta.

No cambia con transformaciones lineales. Medir el ingreso en pesos o en miles de pesos da el mismo rr. Si la transformación multiplica por un número negativo, cambia solo el signo: el valor absoluto se mantiene. Pero sí cambia con transformaciones no lineales: tomar logaritmos da otro coeficiente. A Spearman eso no le pasa con las transformaciones monótonas crecientes, como el logaritmo, porque no alteran el orden de los casos.

Está atado a la recta de regresión. La pendiente de la recta de mínimos cuadrados es b=r sy/sxb = r\, s_y / s_x: el mismo rr convertido a las unidades de las variables. Ver recta de mínimos cuadrados.

Es sensible a los valores atípicos. Un solo punto extremo puede cambiarlo drásticamente, en cualquier dirección.

3 · Qué mide exactamente

Relación lineal, y solo lineal. Es la limitación central y la fuente de casi todos los errores de interpretación.

r = 0,00 r² = 0,00 r = 0,25 r² = 0,06 r = 0,50 r² = 0,25 r = 0,70 r² = 0,49 r = 0,90 r² = 0,81 r = 0 y = x² La última tiene una relación perfecta y correlación cero: la relación no es lineal
Cómo se ve cada valor de r. Con 0,25 la nube casi no tiene forma; recién cerca de 0,9 se parece a una recta. La última tiene una relación perfecta y r = 0.Fuente: Datos simulados, construidos con esas correlaciones exactas.

Por eso el diagrama de dispersión va primero: el rr resume la nube en un número, y muchas nubes distintas dan el mismo número.

4 · Un ejemplo que muestra el problema

Entre horas trabajadas e ingreso mensual, en 14.212 ocupados de la EPH:

MedidaValor
Pearson rr0,249
Spearman ρ\rho0,411
Pearson sobre log⁡(ingreso)\log(\text{ingreso})0,431

Los tres describen la misma relación, y Pearson da bastante menos por dos razones que se suman:

  • La forma no es una recta. El ingreso mediano sube con fuerza hasta unas 40 horas semanales y después se aplana.
  • El ingreso tiene una cola larga de valores extremos, y Pearson los pesa de lleno. Sacando el 1 % de ingresos más altos, rr pasa de 0,249 a 0,331.

Al tomar logaritmos se atenúan las dos cosas a la vez y rr llega a 0,431, casi el valor de Spearman.

Las correlaciones del ejemplo están calculadas sin ponderar, tratando la muestra como aleatoria simple.

5 · Tres cosas que cambian el valor sin que cambie la relación

Antes de comparar dos correlaciones —entre estudios, entre grupos, entre períodos— conviene descartar que la diferencia venga de acá:

Restricción de rango. Si se analiza solo una parte del recorrido de una variable, la correlación baja. El caso clásico es el examen de ingreso: entre todos los postulantes, la nota de admisión predice razonablemente el desempeño posterior; calculada solo entre los admitidos —que son los de notas altas— la correlación se desploma, y eso se usa a veces para decir que el examen “no sirve”. El examen no cambió: cambió el rango.

El efecto también funciona al revés: quedarse solo con los dos extremos —el cuarto inferior y el superior, descartando el medio— infla la correlación. En la misma nube de la figura, con todos da 0,60; solo con el cuarto superior, 0,40; con los dos cuartos extremos, 0,73. Los diseños de “grupos extremos” exageran la relación por esta vía.

corte de admisión Nota de admisión Desempeño posterior Todos los postulantes: r = 0,60 Solo los admitidos (el cuarto de notas más altas, sombreado): r = 0,40 El examen no cambió: cambió el rango.
La misma relación, vista entera y solo en el cuarto superior. Recortar el rango de una variable baja la correlación aunque la relación sea la misma.Fuente: Datos simulados.

Error de medición. Cualquier ruido en la medición de una de las dos variables atenúa la correlación hacia cero. Dos instrumentos poco fiables pueden mostrar una relación débil aunque los conceptos estén fuertemente relacionados; por eso en psicometría se informa la fiabilidad junto con las correlaciones. Con las dos fiabilidades se puede estimar la correlación que habría sin error de medición, la corrección por atenuación:

rcorregida=rxyrxx ryyr_{\text{corregida}} = \frac{r_{xy}}{\sqrt{r_{xx}\, r_{yy}}}

Con rxy=0,40r_{xy} = 0{,}40 y fiabilidades de 0,70 y 0,80, la corregida es 0,53.

Nivel de agregación. La correlación entre promedios de grupos suele ser mucho más alta que entre individuos, porque promediar borra la variabilidad interna. Una correlación de 0,3 entre personas puede ser de 0,8 entre departamentos con los mismos datos. No son comparables, y leer la segunda como si hablara de personas es falacia ecológica.

6 · Sus supuestos

Para que rr describa bien:

  1. Las dos variables son cuantitativas. Con ordinales va Spearman.
  2. La relación es aproximadamente lineal.
  3. No hay atípicos dominantes.
  4. No hay subgrupos que se comporten distinto.

Para hacer inferencia sobre rr las exigencias no son las mismas para la prueba y para el intervalo:

  • La prueba de ρ=0\rho = 0 es bastante robusta: con un nn grande funciona aunque los datos no sean normales.
  • El intervalo con la zz de Fisher supone normalidad bivariada, y un nn grande no lo arregla: con colas pesadas su error estándar queda mal aunque haya miles de casos. Ahí conviene un intervalo por bootstrap.

Y las dos suponen muestreo aleatorio simple. Con una muestra por conglomerados, como la EPH, los errores estándar reales son más grandes. Ver el efecto de diseño.

7 · Significación e intervalo

La hipótesis nula es que no hay relación lineal en la población, ρ=0\rho = 0, y se contrasta con un estadístico tt de n−2n-2 grados de libertad:

t=rn−21−r2t = \frac{r\sqrt{n-2}}{\sqrt{1-r^{2}}}

El intervalo de confianza no se calcula directamente sobre rr, porque su distribución es asimétrica cerca de los extremos. Se pasa a la escala zz de Fisher, se construye el intervalo ahí y se vuelve:

z=arctanh⁡(r)SEz=1n−3z = \operatorname{arctanh}(r) \qquad SE_z = \frac{1}{\sqrt{n-3}}

Para el ejemplo, r=0,249r = 0{,}249 con n=14.212n = 14.212 da un intervalo de Fisher de 0,234 a 0,264. Pero el ingreso está muy lejos de la normalidad, y el intervalo por bootstrap —remuestrear los 14.212 casos 2.000 veces y quedarse con los percentiles 2,5 y 97,5— da 0,222 a 0,280: el doble de ancho.

La transformación zz sigue siendo la herramienta para promediar correlaciones de varios estudios o comparar dos entre sí.

8 · Errores frecuentes

  • Concluir que no hay relación porque r≈0r \approx 0. Puede haber una curva.
  • No graficar antes.
  • Interpretarlo como porcentaje. Un rr de 0,5 no es “50 % de relación”; lo que se interpreta como proporción es r2r^2, el coeficiente de determinación.
  • Comparar correlaciones calculadas sobre rangos distintos o sobre distintos niveles de agregación.
  • Usarlo con variables ordinales o categóricas.
  • Calcularlo con atípicos sin analizarlos.
  • Informar solo el valor p en muestras grandes, donde no distingue nada.
  • Concluir causalidad. Ver correlación y causalidad.
  • Promediar coeficientes de distintos grupos. No se promedian directamente: hay que pasar por la transformación z de Fisher, promediar ponderando por n−3n-3 y volver.
  • Informar el intervalo de Fisher con datos muy asimétricos. Sale más angosto de lo que corresponde; ahí va el bootstrap.

9 · En el software

# R — d: ocupados con ingreso (P21 > 0) y horas válidas (PP3E_TOT < 999)
horas <- d$PP3E_TOT; ingreso <- d$P21
cor(horas, ingreso)                        # 0.249
cor(horas, ingreso, use = "complete.obs")  # excluyendo faltantes
cor.test(horas, ingreso)                   # valor p e IC de Fisher: 0.234 a 0.264

cor(d[, c("PP3E_TOT", "P21")])             # matriz (solo columnas numéricas)

# Intervalo por bootstrap: 0.220 a 0.281 (cambia algo con la semilla)
set.seed(1)
rb <- replicate(2000, {
  i <- sample(length(horas), replace = TRUE)
  cor(horas[i], ingreso[i])
})
quantile(rb, c(0.025, 0.975))
# Python
import numpy as np
from scipy import stats

horas, ingreso = d["PP3E_TOT"], d["P21"]
res = stats.pearsonr(horas, ingreso)
res.statistic, res.pvalue
res.confidence_interval()                  # Fisher: 0.234 a 0.264
d[["PP3E_TOT", "P21"]].corr()              # matriz

# Intervalo por bootstrap: 0.222 a 0.280
res.confidence_interval(method=stats.BootstrapMethod(
    method="percentile", n_resamples=2000, rng=np.random.default_rng(1)))
Excel:    =COEF.DE.CORREL(rango1; rango2)   (o =PEARSON, que da lo mismo)
SPSS:     Analizar › Correlaciones › Bivariadas
          (el mismo cuadro calcula también Kendall y Spearman)

Herramientas de este tema

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Coeficiente de correlación de Pearson. estadistica.ar. https://estadistica.ar/conceptos/correlacion-de-pearson

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). Coeficiente de correlación de Pearson. estadistica.ar. https://estadistica.ar/conceptos/correlacion-de-pearson

BibTeX

@misc{estadistica_ar_correlacion_de_pearson,
  author       = {Montivero, Jorge Luis},
  title        = {{Coeficiente de correlación de Pearson}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/correlacion-de-pearson}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-09}
}

Última actualización: 9 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.