Marcadores    
nCr y nPr    
Frecuencias    
Puntuación z    
Porcentajes    
Proporciones    
Descuentos    
Velocidad    
Densidad    
Molaridad    
Masa molar    
Ley de Ohm    
Divisiones    
Divisores    
Fracciones    
Redondeo    
Ecuaciones    
Sistemas 2x2    
Inecuaciones    
Potencias    
Logaritmos    
Semivida    
Forma polar    
De Moivre    
Pendiente    
Distancia GPS    
Cónicas    
Fibonacci    
Recurrencias    
Vectores    
Matrices    
Determinantes    
sen, cos, tg    
Triángulos    
Círculo    
Calcular edad    
Sumar horas    
Valor actual    
Valor futuro    
Payback    
Tráfico SEO    
Punto muerto    
Calcular CAGR    
Peso ideal    
Masa magra    
Talla diana    
Wind chill    
kWh a euros    
Consumo real    
Papel pintado    
Agujero guía    
m³ de madera    
   Agregar
Probabilidad y números aleatorios: calculadoras
Dos sucesos (y, o)
Dos sucesos (y, o)
Hallar P(A) y P(B)
Hallar P(A) y P(B)
Al menos una vez
Al menos una vez
Teorema de Bayes
Teorema de Bayes
Valor esperado
Valor esperado
Binomial B(n, p)
Binomial B(n, p)
nCr y nPr
nCr y nPr
Perm. circulares
Perm. circulares
Con repetición
Con repetición
Números aleatorios
Números aleatorios
Medias y estadística: calculadoras
Calcular la media
Calcular la media
Media, moda, rango
Media, moda, rango
Desviación típica
Desviación típica
Cuartiles e IQR
Cuartiles e IQR
Frecuencias
Frecuencias
Correlación (r)
Correlación (r)
Campana de Gauss
Campana de Gauss
Puntuación z
Puntuación z
IC de la media
IC de la media
Tamaño muestral
Tamaño muestral
Captura-recaptura
Captura-recaptura
Calcular p-valor
Calcular p-valor
Porcentajes y proporciones: calculadoras
Porcentajes
Porcentajes
Variación en %
Variación en %
Diferencia en %
Diferencia en %
Error relativo
Error relativo
Proporciones
Proporciones
Descuentos
Descuentos
Calculadora de IVA
Calculadora de IVA
Calcular margen
Calcular margen
Velocidad: calculadoras
Velocidad
Velocidad
Densidad y concentración: calculadoras
Densidad
Densidad
Molaridad
Molaridad
Masa molar
Masa molar
Física y electricidad: calculadoras
Ley de Ohm
Ley de Ohm
Vatios a amperios
Vatios a amperios
Código de colores
Código de colores
Caída de tensión
Caída de tensión
Conversión de unidades: calculadoras
Conversor de peso
Conversor de peso
Tallas de zapatos
Tallas de zapatos
Números enteros y con signo: calculadoras
Divisiones
Divisiones
Calculadora MCM
Calculadora MCM
Calculadora MCD
Calculadora MCD
Números enteros
Números enteros
Factores primos
Factores primos
Ec. diofánticas
Ec. diofánticas
Calculadora mod
Calculadora mod
Divisores
Divisores
Números romanos
Números romanos
Fracciones, decimales y redondeo: calculadoras
Fracciones
Fracciones
Números mixtos
Números mixtos
Simplificación
Simplificación
Fracción a decimal
Fracción a decimal
Decimal a fracción
Decimal a fracción
Redondeo
Redondeo
Ecuaciones e inecuaciones: calculadoras
Ecuaciones
Ecuaciones
Sistemas 2x2
Sistemas 2x2
Ecuación 2.º grado
Ecuación 2.º grado
Valor absoluto
Valor absoluto
Inecuaciones
Inecuaciones
Polinomios: calculadoras
Binomio de Newton
Binomio de Newton
Raíces cuadradas y raíces n-ésimas: calculadoras
Simplificar raíces
Simplificar raíces
Calcular raíces
Calcular raíces
Potencias y logaritmos: calculadoras
Potencias
Potencias
Logaritmos
Logaritmos
Número de cifras
Número de cifras
Notación ×10ⁿ
Notación ×10ⁿ
Operar ×10ⁿ
Operar ×10ⁿ
Semivida
Semivida
Números complejos: calculadoras
Números complejos
Números complejos
Forma polar
Forma polar
De Moivre
De Moivre
Funciones y gráficas: calculadoras
Pendiente
Pendiente
Ecuación recta
Ecuación recta
Proporcionalidad
Proporcionalidad
Función y = ax²
Función y = ax²
Distancia 2 puntos
Distancia 2 puntos
Distancia en 3D
Distancia en 3D
Dividir segmento
Dividir segmento
Distancia a recta
Distancia a recta
Distancia GPS
Distancia GPS
Completar cuadrado
Completar cuadrado
Circunferencia
Circunferencia
Cónicas
Cónicas
Coord. polares
Coord. polares
Sucesiones: calculadoras
Prog. aritmética
Prog. aritmética
Prog. geométrica
Prog. geométrica
Fibonacci
Fibonacci
Recurrencias
Recurrencias
Vectores: calculadoras
Vectores
Vectores
Producto vectorial
Producto vectorial
Matrices: calculadoras
Matrices
Matrices
Determinantes
Determinantes
Matriz inversa
Matriz inversa
Geometría plana: calculadoras
sen, cos, tg
sen, cos, tg
Grados ⇔ radianes
Grados ⇔ radianes
a sen θ + b cos θ
a sen θ + b cos θ
Triángulos
Triángulos
Área del triángulo
Área del triángulo
Resolver triángulo
Resolver triángulo
Teorema Pitágoras
Teorema Pitágoras
Ángulos polígono
Ángulos polígono
Razón semejanza
Razón semejanza
Rectas paralelas
Rectas paralelas
Área rectángulo
Área rectángulo
Área paralelogramo
Área paralelogramo
Área del trapecio
Área del trapecio
Círculo
Círculo
Sector circular
Sector circular
Ángulo inscrito
Ángulo inscrito
Área de la elipse
Área de la elipse
Geometría del espacio: calculadoras
Volumen del cubo
Volumen del cubo
Área del cubo
Área del cubo
Volumen ortoedro
Volumen ortoedro
Área del ortoedro
Área del ortoedro
Volumen cilindro
Volumen cilindro
Área del cilindro
Área del cilindro
Volumen de esfera
Volumen de esfera
Área de la esfera
Área de la esfera
Vol. del casquete
Vol. del casquete
Área del casquete
Área del casquete
Vol. del elipsoide
Vol. del elipsoide
Área del elipsoide
Área del elipsoide
Volumen pirámide
Volumen pirámide
Área pirámide
Área pirámide
Volumen del cono
Volumen del cono
Área del cono
Área del cono
Tronco de cono
Tronco de cono
Área tronco de cono
Área tronco de cono
Volumen de un tubo
Volumen de un tubo
Volumen cápsula
Volumen cápsula
Área de la cápsula
Área de la cápsula
Fechas y horas: calculadoras
Calcular edad
Calcular edad
Días entre fechas
Días entre fechas
Sumar días a fecha
Sumar días a fecha
Dentro de X horas
Dentro de X horas
Día de la semana
Día de la semana
Sumar horas
Sumar horas
Diferencia horaria
Diferencia horaria
Horas trabajadas
Horas trabajadas
Tiempo entre horas
Tiempo entre horas
Horas trabajadas
Horas trabajadas
Finanzas y economía: calculadoras
Interés compuesto
Interés compuesto
Interés simple
Interés simple
Ahorro e intereses
Ahorro e intereses
Calculadora TVM
Calculadora TVM
Valor actual
Valor actual
Valor futuro
Valor futuro
Calculadora de ROI
Calculadora de ROI
Calculadora de TIR
Calculadora de TIR
Payback
Payback
Rentabilidad media
Rentabilidad media
Calcular el PIB
Calcular el PIB
Marketing online y métricas publicitarias: calculadoras
Calcular el CTR
Calcular el CTR
Tasa de conversión
Tasa de conversión
CPC, CPM y CPA
CPC, CPM y CPA
Calcular el ROAS
Calcular el ROAS
CPA de equilibrio
CPA de equilibrio
Calcular el LTV
Calcular el LTV
Calcular el CAC
Calcular el CAC
Calcular el churn
Calcular el churn
Significación A/B
Significación A/B
Muestra test A/B
Muestra test A/B
Tráfico SEO
Tráfico SEO
Punto muerto
Punto muerto
Margen y markup
Margen y markup
Calcular CAGR
Calcular CAGR
Salud y forma física: calculadoras
Calculadora IMC
Calculadora IMC
Ciclos de sueño
Ciclos de sueño
Calorías diarias
Calorías diarias
Metabolismo basal
Metabolismo basal
Calculadora TDEE
Calculadora TDEE
Peso ideal
Peso ideal
Grasa corporal
Grasa corporal
Masa magra
Masa magra
Calorías quemadas
Calorías quemadas
Proteínas al día
Proteínas al día
Calcular macros
Calcular macros
Hidratos al día
Hidratos al día
Grasas al día
Grasas al día
Talla diana
Talla diana
Deporte: calculadoras
Hándicap de golf
Hándicap de golf
Calcular ritmo
Calcular ritmo
Calculadora 1RM
Calculadora 1RM
Zonas de pulso
Zonas de pulso
Meteorología: calculadoras
Índice de calor
Índice de calor
Wind chill
Wind chill
Punto de rocío
Punto de rocío
Informática: calculadoras
Cambio de base
Cambio de base
Calcular subredes
Calcular subredes
Tiempo de descarga
Tiempo de descarga
Energía del hogar y presupuesto: calculadoras
Consumo eléctrico
Consumo eléctrico
kWh a euros
kWh a euros
kWh/año a euros
kWh/año a euros
Frigorías por m²
Frigorías por m²
Gasto del aire
Gasto del aire
Gasto calefacción
Gasto calefacción
Gas o electricidad
Gas o electricidad
Ahorro con LED
Ahorro con LED
Calculadora sueldo
Calculadora sueldo
Presupuesto hogar
Presupuesto hogar
Coche: calculadoras
Gasto de gasolina
Gasto de gasolina
Coste de recarga
Coste de recarga
VE vs gasolina
VE vs gasolina
Consumo real
Consumo real
Medida neumático
Medida neumático
Energía solar y baterías: calculadoras
Producción solar
Producción solar
Número de placas
Número de placas
Amortización solar
Amortización solar
Batería doméstica
Batería doméstica
Casa y bricolaje: calculadoras
Calcular baldosas
Calcular baldosas
Calcular escalera
Calcular escalera
Calcular hormigón
Calcular hormigón
m² de paredes
m² de paredes
Papel pintado
Papel pintado
Calcular pintura
Calcular pintura
Suelo laminado
Suelo laminado
m² de fachada
m² de fachada
Calcular grava
Calcular grava
Mortero y hormigón
Mortero y hormigón
Calcular pendiente
Calcular pendiente
Despiece de madera
Despiece de madera
Edificabilidad
Edificabilidad
Vinílico en rollo
Vinílico en rollo
Calcular aislante
Calcular aislante
Medir cortinas
Medir cortinas
Pulgadas de TV
Pulgadas de TV
Calcular sustrato
Calcular sustrato
Césped en rollo
Césped en rollo
Calcular bloques
Calcular bloques
Calcular ladrillos
Calcular ladrillos
Tarima exterior
Tarima exterior
Longitud de rampa
Longitud de rampa
Agujero guía
Agujero guía
Renovaciones/hora
Renovaciones/hora
Diluir pintura
Diluir pintura
Calcular rodapié
Calcular rodapié
Medir un estor
Medir un estor
Colgar cuadros
Colgar cuadros
Pendiente desagüe
Pendiente desagüe
Calcular tornillos
Calcular tornillos
m³ de madera
m³ de madera
Calcular valla
Calcular valla
Contracción madera
Contracción madera
Calcular silicona
Calcular silicona
Pérdidas de calor
Pérdidas de calor
¿Cabe el mueble?
¿Cabe el mueble?
Cajas de mudanza
Cajas de mudanza
Capacidad armario
Capacidad armario
Despiece tableros
Despiece tableros
Flecha de baldas
Flecha de baldas

Calculadora del coeficiente de correlación y la covarianza (con nube de puntos y recta de regresión)

Escribe los dos grupos de datos cuya relación quieres estudiar, cada uno separado por punto y coma (;). Se calculan el coeficiente de correlación r, la covarianza y la ecuación de la recta de regresión, y la recta se dibuja sobre la nube de puntos.

Los datos de x y de y van por parejas según su orden (el 1.º de x con el 1.º de y, el 2.º con el 2.º, etc.). Escribe el mismo número de cada uno (2 parejas o más). Se admiten decimales (3,5) y números negativos.
Resultado y gráfica
Escribe los datos de x y de y en las casillas de la izquierda, separados por punto y coma, y pulsa «Calcular». Aquí aparecerán el resultado y la nube de puntos.

Qué puedes hacer en esta página

  • Escribe los datos por parejas de \(x\) e \(y\) (dos variables) y obtén al momento el coeficiente de correlación \(r\) y la covarianza \(s_{xy}\)
  • Calcula a la vez la media, la varianza y la desviación típica de \(x\) y de \(y\), y la ecuación de la recta de regresión (mínimos cuadrados) \(y = ax + b\)
  • Dibuja la nube de puntos con la recta de regresión y el punto medio encima, así que ves de un vistazo cómo se relacionan los dos datos (si suben, si bajan o si no siguen ningún patrón)
  • Te da también una interpretación orientativa del valor, como «correlación positiva fuerte» o «correlación casi nula»
  • En la misma página tienes la explicación sencilla de las fórmulas y las fórmulas listas para copiar en Excel, Hojas de cálculo de Google y Python
La covarianza y las varianzas se calculan dividiendo entre el número de parejas \(n\), como en los libros de Bachillerato. Algunos programas de estadística usan la versión muestral, que divide entre \(n-1\) (la diferencia se explica en el apartado de Excel). El coeficiente de correlación \(r\) y la recta de regresión salen iguales de las dos formas. Necesitas el mismo número de datos de \(x\) que de \(y\), y al menos 2 parejas.

¿Para qué sirve este cálculo?

Comprobar con números la relación entre horas de estudio y notas (estudios)

Un uso típico del coeficiente de correlación es comprobar con datos, y no a ojo, si «estudiar más sube la nota». Calculas \(r\) con las parejas de horas de estudio y nota de cada alumno, y un solo número te dice lo fuerte que es la relación.
En los institutos y academias a veces se mira la correlación entre asignaturas en los simulacros de examen (¿a quien se le dan bien las matemáticas también le va bien en física?) para orientar las clases. Pero recuerda que una correlación no demuestra la causa, como en «con solo estudiar más horas, la nota siempre sube».

Decidir cuánto comprar según la temperatura y las ventas (comercio y hostelería)

Se sabe que las ventas de helados y bebidas frías tienen una correlación positiva con la temperatura, y las de caldos y chocolate caliente, una negativa. Las tiendas y los bares miran la correlación en sus datos pasados de «temperatura y unidades vendidas» y ajustan los pedidos y lo que exponen según la previsión del tiempo.
Si das un paso más y calculas la recta de regresión, puedes hacer una estimación concreta, como «si mañana se esperan 30 °C, venderemos unas tantas unidades».

Bajar el riesgo combinando inversiones que no se mueven igual (finanzas)

En inversión, el coeficiente de correlación entre los movimientos de precio de activos como acciones, bonos u oro es una herramienta básica para diversificar. Si combinas activos con correlación baja (o negativa), cuando uno baja es menos probable que el otro baje también, y el conjunto de la cartera sube y baja menos.
Los fondos de pensiones y los fondos de inversión analizan siempre las correlaciones entre activos antes de decidir cómo repartir el dinero.

Acotar las causas de los defectos a partir de las condiciones de fabricación (industria y control de calidad)

Cuando en una fábrica aumentan los defectos, calcular el coeficiente de correlación entre el porcentaje de piezas defectuosas y condiciones como la temperatura de proceso, la humedad o las horas de funcionamiento de la máquina ayuda a acotar qué condiciones se mueven a la par que los defectos. Es un método tan básico que el diagrama de dispersión que se usa para ello es una de las «siete herramientas básicas de la calidad».
Cuando aparece una condición con correlación fuerte, el siguiente paso es un experimento que cambie esa condición para confirmar la relación causa-efecto, y a partir de ahí se mejora.

El punto de partida de la investigación sobre salud y enfermedad (medicina y epidemiología)

La investigación sobre hábitos de vida y salud, como «ejercicio y tensión arterial» o «tabaco y riesgo de una enfermedad», también empieza comprobando la correlación en los datos.
Y es donde se aprende a no saltar de la correlación a la causa. Un ejemplo famoso: las ventas de helados y los ahogamientos tienen una correlación positiva, pero los dos simplemente aumentan con un factor común, el calor. La investigación médica usa muchos métodos para quitar el efecto de esos terceros factores y acercarse a la verdadera relación causa-efecto.

Fórmulas y figuras

Covarianza \(s_{xy}\)
Figura
Notación matemática (la forma habitual)
\(s_{xy}\) \(=\) \(\displaystyle\sum_{i=1}^{n}\) \((x_i - \bar{x})\) \((y_i - \bar{y})\) \(\div\) \(n\)
En palabras (los símbolos cambiados por palabras)
⑤ \(s_{xy}\): covarianza \(=\) ③ \(\displaystyle\sum\): sumarlo todo ① \((x_i - \bar{x})\): desviación de \(x\) ② \((y_i - \bar{y})\): desviación de \(y\) \(\div\) ④ \(n\): número de parejas
La fórmula en palabras
① Para cada pareja, toma la desviación de \(x\) (el valor de \(x\) menos la media de \(x\))
② multiplícala por la desviación de \(y\) (el valor de \(y\) menos la media de \(y\))
③ y luego suma todos esos productos \(\displaystyle\sum\)
④ divide el total entre el \(n\): número de parejas
⑤ y obtienes la \(s_{xy}\): covarianza
Ejemplo rápido
Si las horas de estudio \(x\) de 5 alumnos son 1 ; 2 ; 3 ; 4 ; 5 y sus notas \(y\) en un control son 2 ; 4 ; 4 ; 4 ; 6 (medias \(\bar{x} = 3\), \(\bar{y} = 4\)), entonces
\(s_{xy}\): covarianza \(=\) suma de los productos de las desviaciones (8) \(\div\) número de parejas (5)
\((-2)(-2) + (-1)(0) + (0)(0) + (1)(0) + (2)(2) = 4 + 0 + 0 + 0 + 4 = 8\)
\(s_{xy} = 8 \div 5 = 1{,}6\)
La idea clave
La covarianza convierte en un número «la tendencia de dos datos a moverse juntos». Si en muchas parejas \(x\) e \(y\) están las dos por encima de su media (+ × +) o las dos por debajo (− × −), la suma de los productos sale positiva. Si en muchas parejas solo una de las dos está por encima de su media (+ × −), sale negativa. Así, una covarianza positiva significa «cuanto mayor es \(x\), mayor tiende a ser \(y\)» (la nube de puntos sube hacia la derecha); una negativa, «cuanto mayor es \(x\), menor tiende a ser \(y\)» (baja hacia la derecha); y una cercana a 0, «no hay una tendencia clara». El denominador es el número de parejas \(n\), igual que en la varianza de esta página y que en los libros de Bachillerato (donde la covarianza se escribe \(\sigma_{xy}\)). Los programas de estadística tienen también la covarianza muestral, que divide entre \(n-1\), y Excel las distingue por el nombre de la función (mira el apartado de Excel).
Coeficiente de correlación \(r\)
Figura
Notación matemática (la forma habitual)
\(r\) \(=\) \(s_{xy}\) \(\div\) \((\) \(s_x\) \(\times\) \(s_y\) \()\)
En palabras (los símbolos cambiados por palabras)
④ \(r\): coeficiente de correlación \(=\) ① \(s_{xy}\): covarianza \(\div\) \((\) ② \(s_x\): desviación típica de \(x\) \(\times\) ③ \(s_y\): desviación típica de \(y\) \()\)
La fórmula en palabras
① Divide la \(s_{xy}\): covarianza
② entre el producto de la \(s_x\): desviación típica de \(x\)
③ por la \(s_y\): desviación típica de \(y\)
④ y obtienes el \(r\): coeficiente de correlación (\(r\) siempre está entre \(-1\) y \(1\))
Ejemplo rápido
Con el mismo ejemplo de horas de estudio y notas (\(s_{xy} = 1{,}6\), \(s_x = \sqrt{2}\), \(s_y = \sqrt{1{,}6}\))
\(r\): coeficiente de correlación \(=\) covarianza (1,6) \(\div\) \((\) \(\sqrt{2}\) \(\times\) \(\sqrt{1{,}6}\) \()\)
\(s_x \times s_y = \sqrt{2} \times \sqrt{1{,}6} = \sqrt{3{,}2} \approx 1{,}789\)
\(r = 1{,}6 \div 1{,}789 \approx 0{,}894\)
La idea clave
La covarianza es útil, pero depende de las unidades (con solo pasar las horas a minutos se multiplica por 60). Si divides la covarianza entre las desviaciones típicas de \(x\) y de \(y\), obtienes un número entre \(-1\) y \(1\) que no depende de las unidades: el coeficiente de correlación \(r\) (de Pearson). Cuanto más cerca de \(1\) está \(r\), más fuerte es la correlación positiva (los puntos se parecen a una recta que sube); cuanto más cerca de \(-1\), más fuerte es la correlación negativa (una recta que baja); y cuanto más cerca de \(0\), más débil es la relación lineal. Una referencia habitual es \(0{,}7 \le |r|\) para una correlación fuerte, \(0{,}4 \le |r| < 0{,}7\) para moderada, \(0{,}2 \le |r| < 0{,}4\) para débil y \(|r| < 0{,}2\) para casi nula (los cortes cambian según el campo). Ojo: el coeficiente de correlación solo mide la relación en línea recta. Si la relación tiene forma de U, \(r\) puede salir casi 0 aunque haya relación. Y correlación no es lo mismo que causalidad (que una cosa provoque la otra). Además, un solo valor atípico puede cambiar mucho \(r\), así que míralo siempre junto con la nube de puntos.
Recta de regresión (mínimos cuadrados) \(y = ax + b\)
Figura
Notación matemática (la forma habitual)
\(a\) \(=\) \(s_{xy}\) \(\div\) \(s_x^{2}\)
\(b\) \(=\) \(\bar{y}\) \(-\) \(a\,\bar{x}\)
En palabras (los símbolos cambiados por palabras)
③ \(a\): pendiente de la recta de regresión \(=\) ① \(s_{xy}\): covarianza \(\div\) ② \(s_x^2\): varianza de \(x\)
⑥ \(b\): ordenada en el origen de la recta de regresión \(=\) ④ \(\bar{y}\): media de \(y\) \(-\) ⑤ pendiente \(a\) × media de \(x\) \(\bar{x}\)
La fórmula en palabras
① Divide la \(s_{xy}\): covarianza
② entre la \(s_x^2\): varianza de \(x\)
③ y obtienes la \(a\): pendiente de la recta de regresión .
④ A la \(\bar{y}\): media de \(y\)
⑤ réstale el producto de la pendiente \(a\) por la media de \(x\), \(\bar{x}\)
⑥ y obtienes la \(b\): ordenada en el origen de la recta de regresión
Ejemplo rápido
Con el mismo ejemplo (\(s_{xy} = 1{,}6\), \(s_x^2 = 2\), \(\bar{x} = 3\), \(\bar{y} = 4\))
pendiente \(a\) \(=\) covarianza (1,6) \(\div\) varianza de \(x\) (2)
\(a = 1{,}6 \div 2 = 0{,}8\)
\(b = 4 - 0{,}8 \times 3 = 1{,}6\)
\(y = 0{,}8x + 1{,}6\)
La idea clave
La recta de regresión es la recta que mejor se ajusta a la nube de puntos. Se elige de forma que las distancias verticales (los errores) entre cada punto y la recta, elevadas al cuadrado y sumadas, sean lo más pequeñas posible. Esta forma de elegirla se llama método de mínimos cuadrados (para calcularla basta con la división y la resta de arriba). La recta de regresión pasa siempre por el punto medio \((\bar{x} ; \bar{y})\). Puedes comprobarlo en la nube de puntos de esta página. Con la recta de regresión puedes hacer estimaciones como «con 3,5 horas de estudio, la nota será más o menos \(0{,}8 \times 3{,}5 + 1{,}6 = 4{,}4\)». Pero las estimaciones lejos del rango de los datos no son fiables, y si la correlación es débil, la estimación sirve de poco. Aquí la recta se escribe \(y = ax + b\) (\(a\) es la pendiente y \(b\) la ordenada en el origen); en clase de matemáticas es la conocida \(y = mx + n\). En los libros de Bachillerato suele escribirse como \(y - \bar{y} = \dfrac{\sigma_{xy}}{\sigma_x^2}(x - \bar{x})\), que es la misma recta.
El coeficiente de correlación se calcula así: 1) halla las medias de \(x\) y de \(y\); 2) suma todos los productos de las desviaciones \((x_i - \bar{x})(y_i - \bar{y})\) y divide entre el número de parejas \(n\) para obtener la covarianza \(s_{xy}\); 3) divide la covarianza entre el producto de las desviaciones típicas de \(x\) y de \(y\). \(r\) siempre está entre \(-1\) y \(1\): cuanto más cerca de \(1\), más fuerte es la relación lineal creciente, y cuanto más cerca de \(-1\), más fuerte es la decreciente.

Símbolos y términos

Símbolos

\(x_i,\ y_i\) equis sub i, i griega sub i El valor de \(x\) y el de \(y\) de la pareja número \(i\) (por ejemplo, las horas de estudio \(x_3\) y la nota \(y_3\) del 3.er alumno). La \(i\) se usa mucho para indicar una posición (un índice).
\(n\) ene El número de parejas de datos (la inicial de «número»). Por ejemplo, con las parejas de 5 alumnos, \(n = 5\).
\(\bar{x},\ \bar{y}\) equis barra, i griega barra Las medias de \(x\) y de \(y\). La barra encima de una letra es la forma habitual de indicar una media.
\(x_i - \bar{x}\) equis sub i menos equis barra La desviación de \(x\): cuánto se aleja cada dato de la media de \(x\). \(y_i - \bar{y}\) es la desviación de \(y\).
\(s_{xy}\) ese sub equis i griega La covarianza de \(x\) e \(y\), la media de los productos de las desviaciones. Indica la tendencia de los dos datos a moverse juntos. En los libros de Bachillerato se escribe \(\sigma_{xy}\).
\(s_x,\ s_y\) ese sub equis, ese sub i griega Las desviaciones típicas de \(x\) y de \(y\) (cuánto se dispersa cada una). Son las raíces cuadradas de las varianzas. En los libros de Bachillerato se escriben \(\sigma_x\) y \(\sigma_y\).
\(s_x^2,\ s_y^2\) ese sub equis al cuadrado, ese sub i griega al cuadrado Las varianzas de \(x\) y de \(y\): la media de las desviaciones al cuadrado (dividiendo entre \(n\)).
\(r\) erre El coeficiente de correlación. Se dice que la \(r\) viene de «relación» (en inglés, relation o correlation). Siempre está entre \(-1\) y \(1\).
\(\sum\) sigma (símbolo de sumatorio) Símbolo que significa «sumarlo todo». \(\sum_{i=1}^{n}\) se lee «sumatorio desde \(i = 1\) hasta \(n\)».
\(a,\ b\) a, be La pendiente y la ordenada en el origen de la recta de regresión \(y = ax + b\). Hacen el mismo papel que \(m\) y \(n\) en la función lineal \(y = mx + n\).

Términos

correlación Tendencia lineal entre dos datos, en la que uno aumenta cuando el otro aumenta (o disminuye). Cuanto más fuerte es, más cerca de una recta quedan los puntos de la nube de puntos.
correlación positiva (correlación directa) Tendencia de \(y\) a aumentar cuando aumenta \(x\). La nube de puntos sube hacia la derecha y el coeficiente de correlación es positivo.
correlación negativa (correlación inversa) Tendencia de \(y\) a disminuir cuando aumenta \(x\). La nube de puntos baja hacia la derecha y el coeficiente de correlación es negativo.
coeficiente de correlación Un único número entre \(-1\) y \(1\) que indica la fuerza y el sentido de una correlación (también se llama coeficiente de correlación lineal de Pearson). Se obtiene dividiendo la covarianza entre el producto de las desviaciones típicas de \(x\) y de \(y\). Como no depende de las unidades, permite comparar la fuerza de la relación entre datos distintos.
covarianza La media de los productos de las desviaciones de \(x\) y de \(y\). Si es positiva, la tendencia es a subir hacia la derecha; si es negativa, a bajar. En esta página se divide entre el número de parejas \(n\), como en Bachillerato.
nube de puntos (diagrama de dispersión) Gráfico en el que cada pareja de datos \((x ; y)\) se dibuja como un punto en unos ejes de coordenadas. Por cómo se colocan los puntos se ve de un vistazo el sentido y la fuerza de la correlación.
variable estadística Cada cantidad que se mide como dato, como la estatura, la nota o la temperatura. Esta página estudia la relación entre dos variables, \(x\) e \(y\) (una variable estadística bidimensional).
desviación La diferencia entre un dato y la media. Si es positiva, el dato está por encima de la media; si es negativa, por debajo. La covarianza, la varianza y la desviación típica se construyen con las desviaciones.
varianza La media de las desviaciones al cuadrado. Indica cuánto se dispersan los datos. Aparece en el denominador de la pendiente de la recta de regresión.
desviación típica La raíz cuadrada de la varianza. Tiene las mismas unidades que los datos, así que es cómoda como medida de la dispersión. Aparece en el denominador del coeficiente de correlación.
recta de regresión La recta \(y = ax + b\) que mejor se ajusta a la nube de puntos (la recta de regresión de \(y\) sobre \(x\)). Sirve para estimar el valor de \(y\) a partir del de \(x\).
método de mínimos cuadrados Forma de elegir la pendiente y la ordenada en el origen de una recta para que la suma de los cuadrados de las distancias verticales (errores) entre cada punto y la recta sea la menor posible. La recta de regresión es la recta elegida así.
valor atípico Un valor muy alejado de los demás puntos. Al coeficiente de correlación le afectan mucho los valores atípicos, así que conviene mirarlo siempre junto con la nube de puntos.
relación estadística Relación en la que dos cantidades se mueven juntas (cuando una aumenta, la otra aumenta o disminuye). Aunque haya correlación, no tiene por qué ser que una sea la causa de la otra (causalidad): puede que haya detrás una causa común a las dos (un tercer factor).
causalidad (relación causa-efecto) Relación en la que una cosa es la causa y la otra su efecto. Una relación estadística (moverse juntas) no basta para demostrar causalidad: puede haber detrás una causa común a las dos (un tercer factor).

Conviene saber antes de empezar

Esto es lo que te ayuda a usar el cálculo de esta página entendiendo lo que hace, no solo pulsando el botón.
Si te atascas, repasar estos temas es el camino más corto.

La media (5.º-6.º de Primaria, 10-12 años)
  • Saber que media = suma ÷ número de datos
  • Entender que la media indica más o menos dónde está el centro de los datos
Números enteros (1.º de ESO, 12-13 años)
  • Saber multiplicar con números negativos, como \((-1) \times 2 = -2\) y \((-2) \times (-2) = 4\)
  • Saber que negativo por negativo da positivo (es la base para entender el signo de la covarianza)
Coordenadas y funciones lineales (1.º-3.º de ESO, 12-15 años)
  • Saber dibujar una pareja \((x ; y)\) como un punto en unos ejes de coordenadas (la nube de puntos es un conjunto de estos puntos)
  • Saber que en la función \(y = ax + b\) (la \(y = mx + n\) de clase), \(a\) es la pendiente y \(b\) la ordenada en el origen (la recta de regresión tiene esta forma)
Raíces cuadradas (1.º-2.º de ESO, 12-14 años)
  • Entender la raíz cuadrada como «el número que, al cuadrado, da ese número», como \(\sqrt{9} = 3\)
  • Saber multiplicar raíces, como \(\sqrt{2} \times \sqrt{1{,}6} = \sqrt{3{,}2}\)
Estadística bidimensional (1.º de Bachillerato, 16-17 años)
  • Saber qué indica una desviación (la diferencia entre un dato y la media)
  • Entender que la varianza y la desviación típica expresan con un número el tamaño de la dispersión (puedes repasarlas en la página relacionada de la calculadora de desviación típica)
  • Saber leer en una nube de puntos si los puntos suben hacia la derecha, bajan o están desordenados

Cómo calcularlo en Excel

Copia la tabla entera y pégala en la celda A1 de Excel. Funciona tal cual.
Tabla para calcular la covarianza s_xy
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Covarianza s_xy (entre n) =COVARIANZA.P(B1:B5;B6:B10)
(Referencia) covarianza muestral, entre n−1 =COVARIANZA.M(B1:B5;B6:B10)
Tabla para calcular el coeficiente de correlación r
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Coeficiente de correlación r =COEF.DE.CORREL(B1:B5;B6:B10)
(Referencia) el mismo valor con PEARSON =PEARSON(B1:B5;B6:B10)
Tabla para calcular la recta de regresión y = ax + b
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Pendiente a =PENDIENTE(B6:B10;B1:B5)
Ordenada en el origen b =INTERSECCION.EJE(B6:B10;B1:B5)
Tabla para calcular las medias, varianzas y desviaciones típicas (entre n)
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Media de x x̄ =PROMEDIO(B1:B5)
Media de y ȳ =PROMEDIO(B6:B10)
Varianza de x s_x² =VARP(B1:B5)
Desviación típica de x s_x =DESVESTP(B1:B5)
Varianza de y s_y² =VARP(B6:B10)
Desviación típica de y s_y =DESVESTP(B6:B10)
Al pegarla, las celdas B1 a B5 son las de x, las celdas B6 a B10 son las de y, y las celdas en verde y negrita se calculan solas.
La covarianza de la primera tabla es 1,6 (la muestral es 2), el coeficiente de correlación de la segunda es de unos 0,8944, y la tercera da una pendiente de 0,8 y una ordenada en el origen de 1,6.
Cuidado: hay dos funciones de covarianza. COVARIANZA.P es la que divide entre n (igual que esta calculadora y que en Bachillerato), y COVARIANZA.M es la muestral, que divide entre n − 1. En versiones antiguas de Excel (2007 y anteriores), usa COVAR en lugar de COVARIANZA.P.
COEF.DE.CORREL y PEARSON dan el mismo coeficiente de correlación (r sale igual dividiendo entre n o entre n − 1, así que no hay que elegir).
PENDIENTE e INTERSECCION.EJE piden primero el rango de y y después el de x (ojo, x no va primero).
Si tienes otro número de parejas, añade (o quita) filas de números y cambia «B1:B5» y «B6:B10» en las fórmulas por tus rangos reales.

Cómo calcularlo en Hojas de cálculo de Google

Copia la tabla entera y pégala en la celda A1 de Hojas de cálculo de Google. Funciona tal cual.
Tabla para calcular la covarianza s_xy
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Covarianza s_xy (entre n) =COVAR(B1:B5;B6:B10)
Tabla para calcular el coeficiente de correlación r
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Coeficiente de correlación r =COEF.DE.CORREL(B1:B5;B6:B10)
Tabla para calcular la recta de regresión y = ax + b
x de la pareja 1 1
x de la pareja 2 2
x de la pareja 3 3
x de la pareja 4 4
x de la pareja 5 5
y de la pareja 1 2
y de la pareja 2 4
y de la pareja 3 4
y de la pareja 4 4
y de la pareja 5 6
Pendiente a =PENDIENTE(B6:B10;B1:B5)
Ordenada en el origen b =INTERSECCION.EJE(B6:B10;B1:B5)
Con Hojas de cálculo de Google en español funcionan casi las mismas funciones que en Excel. Copia la tabla entera, pégala en la celda A1 y cambia B1 a B10 por tus números.
En Hojas de cálculo de Google, la covarianza que divide entre n se calcula con la función COVAR (la misma definición que esta calculadora; COVARIANZA.P llama a la misma función). Para el coeficiente de correlación se usa COEF.DE.CORREL, igual que en Excel.

Cómo calcularlo en Python

import statistics

xs = [1, 2, 3, 4, 5]      # datos de x (ejemplo: horas de estudio)
ys = [2, 4, 4, 4, 6]      # datos de y (ejemplo: nota del control)

n = len(xs)
mean_x = statistics.mean(xs)      # media de x
mean_y = statistics.mean(ys)      # media de y

# covarianza s_xy (dividiendo entre n, como en Bachillerato)
covariance = sum((x - mean_x) * (y - mean_y) for x, y in zip(xs, ys)) / n

sd_x = statistics.pstdev(xs)      # desviación típica de x (entre n)
sd_y = statistics.pstdev(ys)      # desviación típica de y (entre n)

r = covariance / (sd_x * sd_y)    # coeficiente de correlación

slope = covariance / statistics.pvariance(xs)   # pendiente a de la recta de regresión
intercept = mean_y - slope * mean_x             # ordenada en el origen b de la recta de regresión

print(f"Covarianza s_xy: {covariance}")
print(f"Coeficiente de correlación r: {r}")
# la ordenada en el origen puede salir con error de coma flotante (1.5999...), así que se redondea a 10 cifras significativas
print(f"Recta de regresión: y = {slope:.10g}x + {intercept:.10g}")
Funciona solo con la biblioteca estándar (el módulo statistics). pstdev y pvariance, que empiezan por «p», dividen entre n. Al ejecutar este ejemplo verás una covarianza de 1,6, un coeficiente de correlación de 0,894… y la recta de regresión y = 0,8x + 1,6 (en la salida, Python escribe los decimales con punto). Desde Python 3.10, statistics.correlation(xs, ys) da el mismo coeficiente de correlación (r sale igual dividiendo entre n o entre n − 1). En cambio, statistics.covariance(xs, ys) es la covarianza muestral, que divide entre n − 1; para que coincida con la de esta página, calcúlala como en el ejemplo.

Cómo escribirla en LaTeX y otros lenguajes de fórmulas (para copiar y pegar)

Covarianza \(s_{xy}\)
s_xy = {(x₁ − x̄)(y₁ − ȳ) + … + (xₙ − x̄)(yₙ − ȳ)} ÷ n
s_{xy} = \dfrac{1}{n}\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
  <mrow>
    <msub><mi>s</mi><mrow><mi>x</mi><mi>y</mi></mrow></msub>
    <mo>=</mo>
    <mfrac><mn>1</mn><mi>n</mi></mfrac>
    <munderover>
      <mo>&#x2211;</mo>
      <mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow>
      <mi>n</mi>
    </munderover>
    <mrow>
      <mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>&#x2212;</mo><mover><mi>x</mi><mo>&#x00AF;</mo></mover><mo>)</mo>
      <mo>(</mo><msub><mi>y</mi><mi>i</mi></msub><mo>&#x2212;</mo><mover><mi>y</mi><mo>&#x00AF;</mo></mover><mo>)</mo>
    </mrow>
  </mrow>
</math>
s_(xy) = (1/n) sum_(i=1)^n (x_i - bar x)(y_i - bar y)
Covariance[xdata, ydata]*(Length[xdata] - 1)/Length[xdata]  (* Covariance divide entre n-1; así se pasa al valor dividido entre n *)
s_xy := add((x[i] - x_bar)*(y[i] - y_bar), i = 1 .. n)/n;
s_xy = mean((x - mean(x)).*(y - mean(y)));
s_xy = (1/n) ∑_(i=1)^n (x_i − x̄)(y_i − ȳ)
Coeficiente de correlación \(r\)
r = s_xy ÷ (s_x × s_y)
r = \dfrac{s_{xy}}{s_x\, s_y}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
  <mrow>
    <mi>r</mi>
    <mo>=</mo>
    <mfrac>
      <msub><mi>s</mi><mrow><mi>x</mi><mi>y</mi></mrow></msub>
      <mrow><msub><mi>s</mi><mi>x</mi></msub><msub><mi>s</mi><mi>y</mi></msub></mrow>
    </mfrac>
  </mrow>
</math>
r = s_(xy) / (s_x s_y)
Correlation[xdata, ydata]
r := s_xy/(s_x*s_y);
R = corrcoef(x, y); r = R(1, 2);
r = s_xy/(s_x s_y)
Recta de regresión (mínimos cuadrados) \(y = ax + b\)
y = ax + b,  a = s_xy ÷ s_x²,  b = ȳ − a·x̄
y = ax + b, \quad a = \dfrac{s_{xy}}{s_x^{2}}, \quad b = \bar{y} - a\bar{x}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
  <mrow>
    <mi>y</mi><mo>=</mo><mi>a</mi><mi>x</mi><mo>+</mo><mi>b</mi>
    <mo>,</mo><mspace width="1em"/>
    <mi>a</mi><mo>=</mo>
    <mfrac>
      <msub><mi>s</mi><mrow><mi>x</mi><mi>y</mi></mrow></msub>
      <msubsup><mi>s</mi><mi>x</mi><mn>2</mn></msubsup>
    </mfrac>
    <mo>,</mo><mspace width="1em"/>
    <mi>b</mi><mo>=</mo>
    <mover><mi>y</mi><mo>&#x00AF;</mo></mover>
    <mo>&#x2212;</mo>
    <mi>a</mi><mover><mi>x</mi><mo>&#x00AF;</mo></mover>
  </mrow>
</math>
y = a x + b, a = s_(xy)/s_x^2, b = bar y - a bar x
lm = LinearModelFit[Transpose[{xdata, ydata}], t, t]; lm["BestFitParameters"]
a := s_xy/s_x^2; b := y_bar - a*x_bar;
p = polyfit(x, y, 1);  % p(1) = pendiente a, p(2) = ordenada en el origen b
y = ax + b,  a = s_xy/s_x^2,  b = ȳ − ax̄

Cómo pedirle el cálculo a ChatGPT 

Eres un asistente de cálculo estadístico. Haz el siguiente cálculo ejecutando de verdad código de Python y basa tu respuesta solo en los números del resultado de la ejecución (no respondas calculando de cabeza ni a ojo).

Para las parejas de datos siguientes, calcula cada uno de estos valores.
x: 1 ; 2 ; 3 ; 4 ; 5
y: 2 ; 4 ; 4 ; 4 ; 6
1. Las medias de x y de y, y sus varianzas y desviaciones típicas dividiendo entre n
2. La covarianza s_xy (la suma de los productos de las desviaciones dividida entre el número de parejas n; no dividas entre n − 1)
3. El coeficiente de correlación r
4. La pendiente a y la ordenada en el origen b de la recta de regresión y = ax + b (mínimos cuadrados)

Indica las fórmulas que has usado y los números del resultado de la ejecución.

Cómo usar
  1. 1
    Introduce los datos
    Escribe en las casillas los números con los que quieres calcular
  2. 2
    Calcula
    Pulsa el botón «Calcular»
  3. 3
    Consulta el resultado
    El resultado aparece al instante. En la misma página tienes también la idea del cálculo y la explicación de la fórmula
  Las ventajas de DataChef
Fácil y gratis
Conversiones gratis e ilimitadas
Sin conocimientos técnicos: fácil e intuitivo
Sin registro
Disponible nada más entrar
Sin necesidad de dar datos personales
Seguro y protegido
Conexión cifrada y segura (SSL)
Los archivos se borran automáticamente tras la descarga
Alta velocidad
Carga y conversión rápidas, sin esperas
Sin marcas de agua
Sin marca de agua
Sin necesidad de atribución
Uso comercial permitido
Uso comercial gratuito
Sin necesidad de pedir permiso