Puntos clave
- r no tiene unidades y es simétrica. Intercambiar x e y deja intacta la r de Pearson, así que r no puede decirte qué variable impulsa a la otra.
- El signo es la dirección y el tamaño es la fuerza. Positiva significa que ambas suben juntas; negativa, que una sube mientras la otra baja.
- r = 0 significa ausencia de patrón lineal, no ausencia de relación. Una curva marcada puede producir una correlación cercana a cero.
- r al cuadrado es el número práctico. r = 0.6 significa que se comparte alrededor del 36 % de la varianza, no el 60 %.
- La significación no es la fuerza. Con una muestra grande, una correlación trivial puede ser estadísticamente significativa.
Qué mide el coeficiente de correlación
Un coeficiente de correlación condensa un diagrama de dispersión en un solo número. La r de Pearson pregunta si los puntos tienden a situarse a lo largo de una recta y con qué fuerza se agrupan alrededor de ella. Si todos los puntos cayeran exactamente sobre una recta con pendiente positiva, r sería +1; si todos cayeran exactamente sobre una recta con pendiente negativa, r sería −1. Una nube sin tendencia lineal da una r cercana a 0.
Técnicamente, r es la covarianza de x e y dividida por el producto de sus desviaciones estándar. Dividir por ambas dispersiones elimina las unidades originales, así que r no cambia al convertir pulgadas en centímetros o euros en euros. Esa propiedad de no tener unidades es lo que hace que una correlación sea comparable entre variables.
La fórmula
La fórmula de definición estandariza cada observación antes de promediar los productos:
r = 1/(n − 1) × Σ[((x − x̄)/sx) × ((y − ȳ)/sy)]
La forma computacional es más fácil de evaluar a mano y evita redondear primero las medias:
r = Σ(x − x̄)(y − ȳ) ÷ √[Σ(x − x̄)² × Σ(y − ȳ)²]
Ambas fórmulas dan el mismo resultado porque los términos n − 1 se cancelan en la razón. El numerador es la suma de productos cruzados: es positivo cuando x e y están del mismo lado de sus medias y negativo cuando están en lados opuestos. El denominador reescala esa suma por la variación total de cada variable, y por eso r está acotada entre −1 y +1.
Ejemplo resuelto: cinco pares
Toma cinco observaciones: x = 1, 2, 3, 4, 5 e y = 2, 4, 5, 4, 5. La media de x es 3 y la media de y es 4. Las desviaciones respecto de la media son (−2, −1, 0, 1, 2) para x y (−2, 0, 1, 0, 1) para y. Sus productos suman 4 + 0 + 0 + 0 + 2 = 6. Las desviaciones de x al cuadrado suman 10, y las de y al cuadrado suman 6.
Así que r = 6 ÷ √(10 × 6) = 6 ÷ 7.746 = 0.775. La relación es positiva y bastante fuerte. Al elevar al cuadrado se obtiene r² = 0.60, lo que significa que alrededor del 60 % de la variación de y está linealmente asociada con la variación de x en esta muestra. Incluso una correlación respetable deja mucho sin explicar.
Fuerza, dirección y r al cuadrado
La dirección se lee directamente del signo. Una r positiva significa que cuando x está por encima de su media, y también tiende a estarlo. Una r negativa significa lo contrario. La fuerza se lee del valor absoluto, y la regla habitual etiqueta |r| por debajo de 0.3 como débil, de 0.3 a 0.7 como moderada y por encima de 0.7 como fuerte. Esos cortes son convenciones, no leyes.
Elevar el coeficiente al cuadrado da la proporción de varianza compartida por las dos variables. r = 0.5 da r² = 0.25, así que solo se explica una cuarta parte de la varianza, aunque 0.5 suene sustancial. Por eso los informes dirigidos a no especialistas deberían citar r² junto con r. También explica por qué correlaciones que parecen impresionantes pueden dejar las predicciones muy equivocadas.
¿Pearson o Spearman?
La r de Pearson mide la asociación lineal y usa los valores brutos, así que un solo punto extremo puede moverla mucho. La rho de Spearman sustituye los valores por rangos y mide la asociación monótona: si y tiende a aumentar siempre que x aumenta, aunque el aumento sea curvo. Si una relación es consistentemente ascendente pero se aplana, Pearson puede informar 0.8 mientras que Spearman informa 0.95.
Usa Pearson cuando ambas variables sean cuantitativas, el diagrama de dispersión sea aproximadamente lineal y no haya valores atípicos graves. Usa Spearman cuando los datos sean ordinales, cuando la relación sea monótona pero no lineal, o cuando los valores atípicos hagan inestable a Pearson. Informa qué coeficiente usaste, porque los dos pueden discrepar.
Correlación no es causalidad
Tres explicaciones encajan en casi cualquier correlación fuerte. Primera, x puede causar y. Segunda, y puede causar x: las horas de práctica correlacionan con la habilidad, pero el talento también impulsa la práctica. Tercera, una tercera variable puede impulsar ambas. Las ventas de helado y las muertes por ahogamiento suben juntas, pero el calor impulsa ambas; prohibir el helado no salvaría a los bañistas.
La edad es una variable de confusión clásica en los datos educativos: el tamaño del pie correlaciona con la capacidad de lectura entre niños, no porque los pies causen la lectura, sino porque los niños mayores tienen ambas cosas. Un experimento aleatorizado es la defensa más fuerte contra la confusión, porque la asignación del tratamiento rompe el vínculo entre el tratamiento y otras causas. Cuando la aleatorización es imposible, informa la asociación como asociación y describe las variables de confusión que no pudiste descartar.
¿Es estadísticamente significativa la correlación?
Una correlación muestral es una estimación, y su incertidumbre depende mucho de n. El estadístico de prueba habitual es:
t = r × √(n − 2) ÷ √(1 − r²), con n − 2 grados de libertad
Con n = 10 y r = 0.63, t = 0.63 × 2.828 ÷ 0.777 = 2.29, lo que da un valor p bilateral de aproximadamente 0.051, justo por encima de la línea convencional de 0.05. Un intervalo de confianza del 95 % calculado con la transformación z de Fisher va de aproximadamente 0.00 a 0.90, lo que muestra qué poco determina una muestra de diez puntos. La misma r = 0.63 con n = 100 da p < 0.001 y un intervalo de aproximadamente 0.50 a 0.74.
La transformación de Fisher es z = arctanh(r), con error estándar 1/√(n − 3); construye el intervalo en esa escala y vuelve a transformarlo con tanh. La lección es que r describe la muestra, mientras que el valor p pregunta si la correlación poblacional podría plausiblemente ser cero.
Trampas: restricción del rango, curvas y subgrupos
Restringir el rango de x encoge r aunque la relación subyacente sea fuerte. Las puntuaciones de admisión y las calificaciones universitarias correlacionan más débilmente dentro de una clase admitida que entre todos los solicitantes, porque la clase excluye el extremo bajo del rango de puntuaciones. La misma atenuación ocurre cuando una variable se mide con error: las mediciones poco fiables diluyen la correlación hacia cero.
Las curvas son otra trampa. La correlación entre estrés y rendimiento puede ser cercana a cero si el estrés moderado ayuda y el estrés extremo perjudica, porque las partes ascendente y descendente se cancelan. Los subgrupos crean la paradoja de Simpson: una correlación puede ser positiva dentro de cada departamento y negativa en conjunto cuando los departamentos difieren en tamaño y en tasas base. Representa siempre los datos, y hazlo por grupo cuando existan grupos.
Errores comunes
- Leer r = 0.5 como «el 50 % de la relación» en lugar de r² = 25 % de la varianza.
- Tratar r = 0 como prueba de independencia cuando puede haber una relación curva fuerte.
- Comparar correlaciones entre grupos con rangos o fiabilidades muy distintos.
- Eliminar un valor atípico solo porque debilita r, sin comprobar si es un error de datos.
- Citar un valor p para r e ignorar el intervalo de confianza, sobre todo en muestras pequeñas.
- Describir una correlación como un «efecto» antes de haber usado ningún diseño causal.
Cómo informar una correlación
Empieza con un diagrama de dispersión, porque el número por sí solo no puede revelar curvatura, agrupamientos ni valores atípicos. Informa el tamaño de muestra, el coeficiente y su tipo (Pearson, Spearman o Kendall), y un intervalo de confianza. Da r² cuando el público necesite juzgar la importancia práctica, y da el valor p solo como comprobación secundaria de si la muestra es compatible con cero.
Por último, separa la descripción de la explicación. «La altura y el peso están fuertemente correlacionados en esta muestra» es un hallazgo. «La altura causa el peso» es una afirmación causal que necesita un diseño capaz de sustentarla.
Preguntas frecuentes
¿Qué se considera una correlación fuerte?
No hay un umbral universal. Por encima de 0.7 se suele llamar fuerte, de 0.3 a 0.7 moderada y por debajo de 0.3 débil, pero las etiquetas dependen del campo y del costo de una predicción equivocada. Una correlación de 0.5 entre dos mediciones biológicas ruidosas puede ser excelente.
¿Un coeficiente de correlación puede ser mayor que 1?
No. La desigualdad de Cauchy–Schwarz acota la razón en ±1, y el límite solo se alcanza cuando todos los puntos están exactamente sobre una recta. Un valor fuera del rango significa que el cálculo o la entrada de datos es incorrecto.
¿Qué significa una correlación de cero?
Significa que no hay asociación lineal en la muestra. Todavía puede haber una relación curva fuerte, una relación que cambia de dirección o una relación que solo aparece dentro de subgrupos. Representa los datos antes de concluir independencia.
¿Correlación es lo mismo que regresión?
No. La correlación mide la fuerza de una asociación lineal y trata ambas variables de forma simétrica. La regresión ajusta una recta de predicción y trata una variable como desenlace, produciendo una pendiente en unidades de y por unidad de x.
¿Una correlación alta demuestra causalidad?
No. La confusión, la causalidad inversa y la coincidencia pueden producir una r alta. Solo un diseño que descarte esas alternativas —normalmente un experimento aleatorizado— sustenta una afirmación causal.
¿Cuántos pares necesito?
Los suficientes para que el intervalo de confianza sea lo bastante estrecho para ser útil. Una regla aproximada es al menos 30 pares para una estimación estable, pero la respuesta correcta proviene de un cálculo de potencia basado en la correlación más pequeña que te interese detectar.


