UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

UNIVERSIDAD
NACIONAL
FEDERICO
VILLARREAL
Facultad de Ingeniera
Geogrfica, Ambiental y
Ecoturismo

CORRELACIN NUMRICA

VILLARREAL
Curso:
HIDROLOGA I
Profesor:
ING. LOROA CLADERN FRANK Seccin: TA
Aula: B3-2
Alumna:
SILVA VEGA VERNICA
2013014931

1
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

I. NDICE
I. NDICE.................................................................................................................................... 2
II. INTRODUCCIN ..................................................................................................................... 3
III. OBJETIVOS ......................................................................................................................... 4
IV. MARCO TERICO ............................................................................................................... 4
1. CONCEPTO ......................................................................................................................... 4
2. GRADO DE CORRELACION ................................................................................................. 4
3. CLCULO GRFICO DE CORRELACIN............................................................................... 5
4. CLCULO ANALTICO DE CORRELACION............................................................................ 6
5. DIAGRAMA DE DISPERSIN............................................................................................... 8
6. ANLISIS DE REGRESIN ................................................................................................... 9
7. TIPOS DE CORRELACION .................................................................................................. 10
8. ECUACIONES DE CORRELACIN EXISTENTES .................................................................. 11
9. APLICACIN EN LA HIDROLOGA ..................................................................................... 11
V. CONCLUSIONES ................................................................................................................... 12
VI. Bibliografa ...................................................................................................................... 12

2
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

II. INTRODUCCIN
El anlisis de correlacin permite averiguar el tipo y el grado de asociacin
estadstica entre dos o ms variables, mientras que el anlisis de regresin
permite hacer predicciones sobre la base de la correlacin detectada. Ms
concretamente, una vez realizado el anlisis de correlacin, pueden obtenerse
dos resultados: que haya correlacin o que no la haya. Si hay correlacin,
entonces se emprende un anlisis de regresin, consistente en predecir cmo
seguirn variando esas variables segn nuevos valores. Por ejemplo, si sobre la
base de haber examinado a 40 alumnos se concluye una alta correlacin en sus
notas en ambos parciales, conociendo la nota del primer parcial de un alumno
nmero 41, podremos predecir con algn margen de seguridad cunto se sacar
este alumno en el segundo parcial. En general el anlisis de correlacin se realiza
conjuntamente con el anlisis de regresin. Mientras el anlisis de correlacin
busca asociaciones, el anlisis de regresin busca predicciones, es decir, predecir
el comportamiento de una variable a partir del comportamiento de la otra. As,
la correlacin y la regresin estn ntimamente ligadas. En el nivel ms sencillo,
ambas implican la relacin entre dos variables y utilizan el mismo conjunto de
datos bsicos, pero mientras la correlacin tiene que ver con la magnitud y la
direccin de la relacin, la regresin se centra en el uso de la relacin para hacer
una prediccin. Esta ltima es sencilla cuando la relacin es perfecta, pero la
situacin es ms compleja si la relacin es imperfecta (Pagano, 127). La
correlacin es til porque permite hacer predicciones, porque permite
establecer correlaciones (paso previo para la determinacin de una conexin
causal), y para realizar pruebas de confiabilidad de instrumentos de medicin
como los tests (prueba test-retest) (Pagano, 99).
Por ltimo, vale la pena aclarar que en el contexto de un estudio cientfico, no
basta con determinar el grado de correlacin entre dos variables en una muestra.
Es necesario adems establecer, mediante una prueba de significacin (por
ejemplo la prueba t), si la correlacin establecida en la muestra puede
extenderse a toda la poblacin con un determinado nivel de confianza. Esta tarea
corresponder a la estadstica inferencial.

3
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

III. OBJETIVOS
Conocer los tipos de correlacin numrica existente y su aplicacin en la
hidrologa.

IV. MARCO TERICO

1. CONCEPTO
En las diferentes reas del conocimiento existen problemas que requieren el
anlisis de ms de una variable, como por ejemplo; un socilogo puede estar
interesado en saber qu clase de relacin existe entre la tasa de delincuencia
juvenil que hay en la comunidad y el grado de hacinamiento de los hogares que
all se encuentran; un profesor puede estar interesado en conocer de qu
manera se puede predecir el rendimiento en lgebra de un estudiante con base
en el puntaje obtenido en una prueba de aptitud en dicha asignatura; un
psiclogo desea saber si existe alguna relacin entre el concepto que tiene un
alumno de s mismo y su promedio en el estudio; un agrnomo desea conocer si
existe relacin entre la cantidad de lluvia cada y el rendimiento de ciertos
productos agrcolas, es decir, si es afectado desfavorablemente tanto por la
excesiva lluvia (humedad), como por la excesiva sequa del suelo. Como te habrs
dado cuenta, estas relaciones y muchas otras se pueden investigar por medio del
anlisis de correlacin y/o regresin, simples o lineales, si la relacin est
limitada a dos variables

2. GRADO DE CORRELACION
El grado o intensidad de la correlacin, es decir, cunta correlacin
tienen en trminos numricos. Para hacer todas estas averiguaciones, se
puede recurrir a tres procedimientos. a) El mtodo tabular.- Una correlacin
podra constatarse con la simple visualizacin de tablas de correlacin como
las indicadas anteriormente, pero habitualmente las cosas no son tan fciles,
sobre todo porque hay bastante mayor cantidad de datos, y porque estos
casi nunca registran los mismos incrementos para ambas variables. Por lo
tanto, debe abandonarse la simple visualizacin de las tablas y utilizar
procedimientos ms confiables, como los grficos (diagramas de dispersin
o dispersiogramas) y los analticos (por ejemplo el coeficiente de Pearson).
b) El mtodo grfico.- Consiste en trazar un diagrama de dispersin. c) El
mtodo analtico.- Consiste en aplicar una frmula que permita conocer no
slo el tipo de correlacin (directa o inversa) sino tambin una medida
cuantitativa precisa del grado de correlacin. La frmula del coeficiente de
Pearson es un ejemplo tpico para medir correlacin entre variables
cuantitativas.

4
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

3. CLCULO GRFICO DE CORRELACIN

Un grfico es mucho mejor que una tabla para apreciar rpidamente si hay o
no correlacin entre variables. Existen varias maneras de graficar la
correlacin (3), pero aqu se describir el procedimiento clsico: el diagrama
de dispersin. El diagrama de dispersin es bsicamente una nube de
puntos, donde cada punto corresponde al entrecruzamiento de cada par de
valores de X e Y. Este diagrama puede realizarse independientemente del
clculo analtico de la correlacin. Por ejemplo, el diagrama de dispersin
correspondiente a la Tabla 1 se asemeja al diagrama A del esquema de
diagramas de dispersin. A este diagrama se ha agregado a ojo una lnea
imaginaria, que viene a representar ms o menos el ordenamiento lineal de
los puntos (que van desde abajo a la izquierda hacia arriba a la derecha). El
diagrama se llama 'de dispersin' porque muestra cun dispersos (prximos
o alejados) estn los puntos alrededor de dicha recta. Fcil es advertir que
cuanto ms alineados estn, ms correlacin habr. En el ejemplo A del
esquema sobre diferentes diagramas de dispersin, los puntos tienden a
ubicarse en las proximidades de la recta imaginaria, lo que indica que estn
poco dispersos. Si los puntos figurasen ms alejados habra ms dispersin,
y por lo tanto menor correlacin entre X e Y. El caso B muestra correlacin
inversa, pues el ordenamiento de los puntos indican que, a medida que
aumenta X, va disminuyendo Y. As entonces, cuando la lnea imaginaria va
de abajo a la izquierda hacia arriba a la derecha, hay correlacin directa, y
cuando va desde arriba a la izquierda hacia abajo a la derecha hay correlacin
inversa. Dicho ms tcnicamente, en el primer caso la recta tiene una
inclinacin o pendiente positiva, y en segundo su pendiente es negativa. El
caso C revela, por su parte, que a medida que aumenta Y, los valores de X ni
aumentan ni disminuyen, permaneciendo fijos en el valor 5. Por lo tanto no
hay correlacin. En general no la hay cuando una de las variables no vara (en
este caso X permanece constante en el valor 5). El caso D es similar al
anterior: all los valores de Y permanecen constantes en el nmero 4,
mientras va variando X. Tampoco hay correlacin. El caso E muestra un
ejemplo donde varan ambas variables, pero sin embargo no hay correlacin.
En esa nube es imposible trazar una lnea imaginaria representativa de la
orientacin de los puntos, simplemente porque no hay tal orientacin lineal.
Los valores que van asumiendo las variables son en principio aleatorios
(varan al azar). Tampoco hay correlacin. El caso F nos muestra un caso de
correlacin perfecta o mxima (en este caso directa), pues no hay dispersin
de puntos alrededor de la lnea imaginaria: todos estn sobre ella. Estas
regularidades perfectas no suelen encontrarse fcilmente, ni menos an
en ciencias sociales, porque los fenmenos obedecen siempre a muchas
causas que estarn actuando para romper la armona natural entre X e Y.
Tambin hay casos de correlacin no lineal, donde en lugar de una recta
imaginaria se traza una curva. En este artculo se presentan solamente los

5
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

casos ms sencillos, es decir, los casos de correlacin lineal, representables

mediante rectas.

Si bien una nube de puntos puede dar una idea de si hay o no correlacin, o de
si es directa o inversa, todava no proporciona informacin sobre cuanta
correlacin hay. Esta informacin se obtiene mediante un clculo analtico.

4. CLCULO ANALTICO DE CORRELACION

La correlacin se calcula analticamente mediante ciertos coeficientes, que
sern distintos segn se trate de correlacionar variables nominales, ordinales
o cuantitativas, y segn se trate de otras consideraciones varias. Si bien
existen muchos coeficientes de correlacin (4), en lo que sigue se explicarn
algunos de los ms utilizados: el coeficiente de correlacin lineal de Pearson
(para variables cuantitativas), y el coeficiente de correlacin por rangos de
Spearman (para variables cualitativas ordinales).

a) Coeficiente de correlacin lineal de Pearson

Este coeficiente (que se designa con r), fue creado por Karl Pearson (1857-
1936) para relacionar variables cuantitativas (es decir, variables que, como
nota de examen, se miden mediante nmeros). El coeficiente de Pearson
es un nmero comprendido entre -1 y +1, y que posee un determinado signo

6
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

(positivo o negativo). El valor numrico indica cuanta correlacin hay,

mientras que el signo indica qu tipo de correlacin es (directa si el signo
es positivo, inversa si es negativo). En el siguiente esquema se muestran
algunos posibles valores de r.

Cuanto ms cerca de cero est el coeficiente de correlacin obtenido, tanto

menor correlacin habr. Cabra preguntarse: hasta qu valor se considera
que hay correlacin? desde qu valor no la hay? Esto es una cuestin que
depende de varias cosas, y hace a la cuestin de la relatividad del coeficiente
de Pearson. En efecto, su interpretacin depende de varios factores, como
por ejemplo: a) la naturaleza de las variables que se correlacionan; b) la
significacin del coeficiente; c) la variabilidad del grupo; d) los coeficientes
de confiabilidad de los tests; e) el propsito para el cual se calcula r. El valor
r = 0,70 puede indicar alta correlacin para cierto par de variables, pero baja
correlacin para otras variables distintas. Otro ejemplo: un r de 0,30 entre
estatura e inteligencia o entre tamao craneal y habilidad mecnica indicara
una correlacin mas bien alta, puesto que las correlaciones entre variables
fsicas y mentales suelen ser mucho ms bajas, a menudo iguales a cero. Otro
ejemplo: un r de 0,30 entre inteligencia y nota de examen, o entre puntaje
en ingls y puntaje en historia es considerada bajsima, ya que los r en estos
campos suelen extenderse entre 0,40 y 0,60. Otro ejemplo: semejanzas entre
padres e hijos, en cuanto a rasgos fsicos y mentales, se expresan por valores
entre 0,35 y 0,55, y por lo tanto un r de 0,60 sera alto. Respecto de la frmula
para calcular el coeficiente de correlacin de Pearson ("r"), no hay una nica
manera de presentarla, y la eleccin de una u otra depender de la forma de
presentacin de los datos. Por ejemplo, si los datos estn agrupados en una
tabla de frecuencias, se utiliza cierta frmula (Bancroft, 1960:190), mientras
que si los datos no estn agrupados en frecuencias, podrn utilizarse
cualquiera de las frmulas indicadas en el siguiente esquema
Coeficientes derivados.- A partir del coeficiente "r" de Pearson (en cualquiera
de sus formas) se pueden derivar otros, segn la informacin que se quiera
obtener: 1) Coeficiente de determinacin (r2 ): es el coeficiente "r" elevado
al cuadrado. El coeficiente de determinacin indica qu porcentaje de la
variacin de Y est determinada por las variaciones de X. Por ejemplo, para

7
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

un "r" de 0,70, hay un coeficiente de determinacin de 0,49, lo que significa

que el 49% de la variacin de Y est determinada por la variacin de X. 2)
Coeficiente de alienacin (k): llamado tambin de no correlacin, no indica
la correlacin sino la falta de correlacin entre dos variables (o grado de
independencia). Para calcularlo se aplica la frmula siguiente: r 2 + k2 = 1 [1]
Por ejemplo, si sabemos que "r" es de 0,50, aplicando la frmula indicada
tenemos que "k" vale 0,86, con lo cual el grado en que falta la correlacin
resulta ser mayor que el grado en que s hay correlacin. Idnticamente, si
"r" vale 1 entonces "k" vale 0, y viceversa. Cuanto mayor es el coeficiente de
alienacin tanto menor es la correlacin, y por tanto menos confiables sern
las predicciones que -anlisis de regresin mediante- se hagan sobre esa
base. 3) Coeficiente de indeterminacin (k2 ): es el coeficiente "k" pero
elevado al cuadrado. Mide el grado en que la variacin de Y no est
determinada por la variacin de X. La frmula del coeficiente de
indeterminacin es deducible de la anterior [1]. 4) Coeficiente de eficiencia
predictiva (E): suele utilizarse para, sabiendo "r", estimar rpidamente el
poder predictivo de la correlacin "r". Su frmula es: E = 100 . (1 - 1-r2) donde
1-r2 debe elevarse a la raz cuadrada.

5. DIAGRAMA DE DISPERSIN
La forma ms sencilla que tienen para predeterminar si existe o no
correlacin entre dos variables es construir un diagrama de dispersin. Para
construir un diagrama de dispersin tienes que utilizar un sistema de
coordenadas rectangulares, el cual aprendiste en los fascculos de
Matemticas I, II y IV, lo recuerdas?, bien. El sistema de coordenadas
rectangulares, en el eje X (abscisas), es donde se marca una escala adecuada
para registrar los valores de una de las variables y sobre el eje Y (ordenadas),
se marca otra escala adecuada para representar o registrar los valores de la
otra variable. Los dos valores de las variables forman pares ordenados (X, Y)
dispersos en dicho sistema de coordenadas rectangulares. Esta dispersin de
los pares ordenados deben de sugerir una lnea recta, (de aqu el nombre de
correlacin lineal) como lo muestra el diagrama de dispersin del ejemplo
anterior. La dispersin de estos puntos tienen las siguientes formas
generales: a) Cuando los puntos se van localizando en los ejes coordenados
de manera que veas que si los valores de la variable X aumentan y los valores
de la variable Y tambin aumentan, entonces existe una Correlacin Lineal
Positiva. Un ejemplo as ocurre al correlacionar las edades del marido y de la
mujer en las parejas conyugales. En este caso a mayor edad del marido,
mayor edad de la mujer.

8
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

6. ANLISIS DE REGRESIN
El objetivo del anlisis de regresin es establecer una prediccin acerca del
comportamiento de una variable Y conociendo el correspondiente valor de X
(o viceversa) y el grado de correlacin existente entre ambas variables. Para
ello es preciso conocer la llamada recta de regresin (7), que es la recta
imaginaria que mejor representa el conjunto de pares de valores de las
variables X e Y. En el siguiente eje de coordenadas, estn representados por
ejemplo cinco de esos pares de valores, mediante cinco puntos. La recta de
regresin dibujada sera la que mejor representa esos puntos, por cuanto la
distancia de los puntos a la recta (representada con una lnea punteada) es
la mnima. Esta distancia recibe el nombre de regresin, de manera tal que
cuanto menor es la regresin de los puntos, mayor ser la correlacin entre
ellos.

La recta de regresin es, de muchas rectas posibles, la que mejor representa

la correlacin o, ms tcnicamente, es la nica que hace mnima la suma de
los cuadrados de las desviaciones o distancias de cada punto a la recta. Es,
adems, la mejor manera de poder hacer predicciones. Las desviaciones de
los puntos respecto de la recta se adjudican a factores no controlados (que
suelen ser particularmente importantes en las ciencias sociales), y se parte
del supuesto de que si no hubiera factores extraos que afecten la relacin
entre X e Y, entonces no habra desviaciones y la correlacin sera perfecta.
La recta de regresin puede trazarse a ojo, pero este procedimiento no
tiene precisin. El anlisis de regresin propone un mtodo mucho ms

9
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

preciso, consistente en hallar la recta de regresin por una va analtica. Este

clculo de la recta de regresin consiste en hallar la ecuacin de la recta de
regresin, y eventualmente luego dibujndola en un diagrama de
coordenadas cartesianas. Una vez en posesin de esta ecuacin, podrn
hacerse predicciones a partir de la ecuacin misma o bien a partir de la recta
trazada en el diagrama de coordenadas. Ambos procedimientos sern
examinados a continuacin con los nombres de clculo analtico de la
regresin y clculo grfico de la regresin, respectivamente.

7. TIPOS DE CORRELACION
a. Correlacin lineal
Las relaciones entre variables pueden ser de muchos tipos. a) Hay
relaciones deterministas que responden a modelos matemticos
tericos, como por ejemplo la relacin entre la intensidad de una
corriente y la resistencia del conductor, o bien, la relacin entre la factura
de consumo de agua y el nmero de metros cbicos consumidos. Estas
relaciones son habituales en ciencias exactas. b) Otras relaciones no son
tan deterministas, pero pueden eventualmente parecerse slo
parecerse- a algn modelo matemtico terico determinista, en cuyo
caso se concluye que ese modelo explica bien la relacin, aunque no lo
haga perfectamente. Estas relaciones son habituales en las ciencias
sociales (Botella, 1993:181). Dentro de los muchos modelos tericos a los
cuales podra ajustarse una relacin no determinista se cuentan los
modelos lineales, los modelos cuadrticos, los modelos cbicos, etc. El
primero se representa mediante una recta, y los restantes mediante
diversos tipos de curva como parbolas e hiprbolas. El presente artculo
har referencia, por razones de simplicidad, a las relaciones lineales y,
por tanto, a la correlacin lineal.

b. Correlacin no lineal
Aunque la regresin lineal, tiene aplicacin en muchos problemas, en
algunos casos, la relacin que liga las variables exige la utilizacin de
ajustes no lineales. No obstante incluso en estas ultimas situaciones, por
su sencillez, suele aplicarse la regresin lineal aprovechando el que casi
toda funcin (curva) puede aproximarse por una recta en un pequeo
dominio.

Ajuste parablico.

10
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

Ajuste Hiperblico

Ajuste Exponencial

Ajuste Potencial

8. ECUACIONES DE CORRELACIN EXISTENTES

9. APLICACIN EN LA HIDROLOGA
Si la recesin del flujo en el ro es de la fonlla

Entonces la serie anual dependiente de descargas Zi seguir el modelo

autorregresivo ,de primer orden, AR(l):

11
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

Se demuestra que;

Sin embargo, qu t.an bueno resulta este modelo AR(l), depende de qu tan buena es
1a suposicin de recesin exponencial en el rio

V. CONCLUSIONES
Se conoci mediante la toma de informacin los distintos tipos de correlacin
existentes, las ecuaciones existentes para su posterior aplicacin en la
hidrologa

VI. Bibliografa
- http://www.soarem.org.ar/Documentos/50%20Minaard.pdf
- https://www.uam.es/personal_pdi/economicas/rarce/pdf/RESIDUOS.pd
f
- CHEREQUE MORN, W. Hidrologa para estudiantes de ingeniera civil.
Pontifica Universidad Catlica del Per

12