Calculadora del coeficiente de correlación de Pearson
La r de Pearson, r² y la recta de mejor ajuste para datos emparejados, con el aviso sobre causalidad incorporado.
La r de Pearson es la covarianza de dos variables escalada por sus desviaciones típicas, lo que la confina entre −1 (una recta descendente perfecta) y +1 (una recta ascendente perfecta), con 0 como ausencia de asociación lineal. La escala es lo que la hace libre de unidades: horas frente a notas y centímetros frente a kilogramos se comparan en el mismo eje. El par de ejemplo de esta página, X = (1, 2, 3, 4, 5) frente a Y = (2, 3, 5, 4, 6), da r = 0,9 exacto — los productos cruzados suman 9 y ambas sumas de desviaciones al cuadrado son 10 —, una asociación positiva fuerte con r² = 0,81, que se lee como «el 81 % de la varianza de Y se explica linealmente por X», no como «X causa el 81 % de Y».
La r de Pearson mide solo la asociación en línea recta, supone que los pares son independientes, y un solo valor atípico disparatado puede arrastrarla muy lejos. Una r fuerte no es evidencia de que X cause Y, y una r cercana a cero no descarta una relación curva intensa. Representa tus datos antes de citar el número.
Respuestas rápidas
¿Cómo se calcula el coeficiente de correlación de Pearson?
Divide la suma de productos (x − x̄)(y − ȳ) entre la raíz cuadrada del producto de las dos sumas de desviaciones al cuadrado. Para X = (1,2,3,4,5), Y = (2,3,5,4,6), es 9 ÷ √(10 × 10) = 0,9.
r va de −1 a +1 y mide solo la asociación lineal. Una lista constante lo deja indefinido (dispersión cero), y esta calculadora rechaza ese caso explícitamente.
¿Una correlación fuerte prueba la causalidad?
No. Una r = 0,9 puede surgir de un factor de confusión que impulsa ambas variables, de una causalidad en sentido contrario o, a veces, del azar: la correlación por sí sola no distingue estos casos. Es el diseño (controles, aleatorización, orden temporal) lo que respalda las afirmaciones causales.
Trata una r fuerte como un motivo para investigar una relación, nunca como la conclusión de la investigación. Esa cautela vale para toda correlación citada en cualquier parte, no solo aquí.
Cómo se usa
- Pega los valores de X en la primera casilla y los de Y en la segunda, en orden de emparejamiento: la fila 1 de X va con la fila 1 de Y.
- Comprueba que los conteos coincidan; la correlación trabaja con pares y la página rechaza las listas desparejadas mostrando los conteos.
- Lee r (de −1 a +1), r² y la recta de mínimos cuadrados ajustada a los pares.
- Antes de citar r en cualquier sitio, representa los pares o al menos échales un vistazo: un valor atípico o una curva pueden hacer que el número mienta con total seriedad.
Acerca de esta herramienta
Los supuestos merecen el mismo protagonismo. La r de Pearson mide solo la asociación en línea recta: una parábola perfecta puede devolver r ≈ 0 siendo perfectamente predecible. Supone pares independientes, se siente en casa con datos aproximadamente de escala de intervalo y aproximadamente normales bivariantes, y un solo valor atípico puede moverla notoriamente, fabricando o destruyendo por sí solo una correlación aparente. Y sobre todo: correlación no es causalidad: una tercera variable, la causalidad inversa o la casualidad pueden producir una r estupenda. Esta página calcula r con exactitud e informa de la recta ajustada; lo que el número te autoriza a concluir depende de cómo se recogieron los datos, algo que ninguna calculadora puede inspeccionar.
Preguntas frecuentes
¿Qué significa una r de 0,9?
Una asociación lineal positiva fuerte: cuando X sube, Y tiende a subir, y los pares se sitúan cerca de una recta ascendente. Su cuadrado, 0,81, es la parte de la varianza de Y explicada linealmente por X. No significa que X cause Y, ni que la relación sea el 90 % de nada.
¿Puede r ser exactamente 1 o −1?
Sí, cuando cada par cae exactamente sobre una recta. Y = (2, 4, 6, 8) frente a X = (1, 2, 3, 4) da r = 1; los mismos puntos al revés dan r = −1. Los datos medidos reales casi nunca caen exactamente sobre una recta, así que un ±1 exacto en datos reales suele significar que una variable se derivó de la otra.
¿Por qué la página rechaza una lista constante?
Una lista constante tiene dispersión cero, y r divide entre el producto de las dos dispersiones: división entre cero. Conceptualmente también tiene sentido: algo que nunca varía no puede covariar. La página nombra el problema en lugar de imprimir NaN o un cero falso.
¿Y si mi relación es curva?
La r de Pearson la subestimará, posiblemente hasta cero en una curva simétrica. Si un gráfico muestra una curva, la correlación por rangos de Spearman (que detecta cualquier relación monótona) o ajustar la propia curva es la herramienta adecuada; una r de Pearson baja no es evidencia de que «no haya relación».
Más herramientas en español
Calculadora de prueba t
Pruebas t de una muestra y de dos muestras (Welch), con t, grados de libertad y valores p bilaterales.
Calculadora del coeficiente de variación
Divide la desviación típica entre la media para comparar la dispersión entre escalas distintas.
Calculadora de varianza muestral
Varianza muestral y poblacional, y desviación típica, a partir de una lista de números, paso a paso.
Calculadora científica
Calculadora científica con seno, coseno, tangente, logaritmos, raíz, cuadrado, π y e, con modo grados o radianes.
Pearson Correlation Coefficient Calculator
Pearson’s r, r² and the best-fit line for paired data — with the causation warning built in.