Saltar al contenido
Omnikalc

Prueba de correlación: ¿es este r significativamente distinto de cero?

Contrasta un coeficiente de correlación de Pearson a partir de r y del tamaño de la muestra: estadístico t, valor p, intervalo de confianza mediante la transformación de Fisher, r² y el menor r significativo.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Resultados

Valor p

0,01259

Estadísticamente significativo: p es menor que α, se rechaza la hipótesis nula
Estadístico t
2,666
Intervalo de confianza de r, límite inferior (1 − α)
0,107
Intervalo de confianza de r, límite superior
0,697
Coeficiente de determinación r²
20,3 %
Menor |r| significativo al nivel α (bilateral)
0,361
z de Fisher
0,4847

¿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.

Preguntas frecuentes

¿Cómo se contrasta la significación de una correlación?

Calcula t = r√(n − 2) ÷ √(1 − r²) y compáralo con la distribución t de Student con n − 2 grados de libertad.

¿Qué correlación es significativa con 30 pares?

Al nivel del 5 % en bilateral, |r| debe alcanzar aproximadamente 0,361.

¿Cómo se calcula el intervalo de confianza de r?

Con la transformación z de Fisher: z = argth(r), de error típico 1 ÷ √(n − 3), y después se vuelve a r mediante la tangente hiperbólica.

¿Una correlación significativa demuestra una causalidad?

No: una variable oculta, una causalidad inversa o una coincidencia pueden producir una correlación.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.