¿Es significativa una correlación?
Un coeficiente de correlación de Pearson r calculado con una muestra nunca es exactamente nulo, ni siquiera cuando las dos variables son independientes. Esta calculadora contrasta si r se aleja significativamente de 0, da el intervalo de confianza del coeficiente verdadero y el menor |r| significativo para tu número de pares.
Las fórmulas
- Contraste: t = r × √(n − 2) ÷ √(1 − r²), con n − 2 grados de libertad de la distribución t de Student.
- Intervalo de confianza mediante la transformación z de Fisher: z = ½ ln((1 + r) ÷ (1 − r)), de error típico 1 ÷ √(n − 3). Se calcula z ± z_crít × error típico, y después se vuelve a r mediante la tangente hiperbólica.
- r², el coeficiente de determinación, da la parte de la varianza de y explicada por una relación lineal con x.
Ejemplo
r = 0,45 con 30 pares:
- t = 0,45 × √28 ÷ √(1 − 0,2025) ≈ 2,67;
- valor p bilateral ≈ 0,013: significativo al nivel del 5 %;
- intervalo de confianza al 95 %: de 0,11 a 0,70 aproximadamente, muy amplio;
- r² ≈ 20 %: x explica aproximadamente una quinta parte de la varianza de y;
- con 30 pares, el menor |r| significativo es de aproximadamente 0,361.
Tamaño de la muestra y significación
| Pares | |r| mínimo significativo al 5 % | |—|—| | 10 | 0,632 | | 20 | 0,444 | | 30 | 0,361 | | 50 | 0,279 | | 100 | 0,197 | | 1000 | 0,062 |
Con muestras grandes, correlaciones muy débiles se vuelven significativas sin tener interés práctico: mira siempre r² y el intervalo de confianza.
Precauciones
- Correlación no es causalidad: una tercera variable puede explicar el vínculo.
- Pearson solo mide la relación lineal; una relación en forma de U puede dar r ≈ 0. Dibuja el diagrama de dispersión.
- Un solo punto atípico puede crear u ocultar una correlación. Para datos ordinales o poco normales, es preferible el coeficiente de Spearman.
- El contraste supone pares independientes y un par de variables más o menos normal.