Correlación: Descubriendo Relaciones Entre Variables
Los helados y los ahogamientos tienen correlación positiva. La correlación mide la fuerza de relaciones lineales, pero cuidado: nunca prueba causa y efecto.
Renato Freitas
Actualizado el 5 de mayo de 2026
¿Qué es la correlación?
La correlación es una medida estadística que describe la dirección y la fuerza de la relación lineal entre dos variables numéricas. Si cuando una variable aumenta la otra tiende a aumentar también, hay correlación positiva. Si cuando una aumenta la otra tiende a disminuir, hay correlación negativa. Si no hay patrón aparente, la correlación es cercana a cero.
El diagrama de dispersión (o gráfico de puntos) es la primera herramienta para visualizar la correlación. Cada observación es un punto en el gráfico, con una variable en el eje X y otra en el Y. Una nube de puntos inclinada hacia arriba sugiere correlación positiva; inclinada hacia abajo, negativa; sin dirección clara, correlación débil o nula.
🧮 Pruébalo tú mismo — CalcSim
¿Quieres más funciones? Descargar app CalcSim IA
El coeficiente de correlación de Pearson
El coeficiente r de Pearson cuantifica la correlación en un número entre −1 y +1. Valores cercanos a +1 indican correlación positiva fuerte (los puntos casi forman una línea creciente). Valores cercanos a −1 indican correlación negativa fuerte. Valores cercanos a 0 indican correlación débil o inexistente.
Como regla práctica, |r| entre 0,7 y 1,0 se considera fuerte; entre 0,5 y 0,7, moderado; entre 0,3 y 0,5, débil; por debajo de 0,3, muy débil o negligible. Pero estos límites dependen del campo de estudio: en ciencias sociales, r = 0,5 puede considerarse fuerte; en ciencias exactas, puede ser débil.
El r de Pearson mide solo correlación lineal. Dos variables pueden tener una relación curvilínea fuerte (como la dosis de un medicamento y su eficacia: muy poca es ineficaz, la dosis correcta es eficaz, demasiada es tóxica) y aún así tener r ≈ 0. Siempre visualiza los datos antes de interpretar el coeficiente.
- r = +1: correlación positiva perfecta
- r = −1: correlación negativa perfecta
- r = 0: sin correlación lineal
- |r| ≥ 0,7: correlación fuerte (regla general)
Correlación no es causalidad
Este es uno de los principios más importantes —y más violados— en estadística y periodismo. La venta de helados y el número de ahogamientos tienen correlación positiva fuerte. Eso no significa que comer helado cause ahogamientos: ambos son causados por una tercera variable (temperaturas altas en verano).
Este tipo de correlación engañosa, generada por una variable oculta, se llama correlación espuria. Dos fenómenos pueden estar correlacionados porque uno causa al otro, porque ambos son causados por un tercer factor, o simplemente por coincidencia en una muestra pequeña.
Para establecer causalidad, necesitamos experimentos controlados (grupos de tratamiento y control con aleatorización), no solo observación. Los estudios observacionales, incluso con r alto, solo pueden plantear hipótesis: la comprobación de la causa exige un diseño experimental riguroso.
Preguntas frecuentes
¿La correlación negativa es 'mala'?
No. La correlación negativa simplemente indica que las variables varían en direcciones opuestas. El ejercicio y la grasa corporal tienen correlación negativa, lo cual es deseable. El precio y la demanda también. La correlación describe un patrón; el juicio de 'bueno' o 'malo' depende del contexto.
¿Cuál es la diferencia entre correlación de Pearson y de Spearman?
Pearson mide correlación lineal entre variables numéricas continuas. Spearman mide correlación entre los rangos (posiciones) de los valores, siendo más robusto cuando hay valores atípicos o cuando la relación no es estrictamente lineal. Spearman también funciona con variables ordinales.
Si r = 0,9, ¿las variables siempre están cerca de una recta?
Casi siempre, pero no siempre. El r² (coeficiente de determinación) indica la proporción de la varianza de Y que es explicada por X. Con r = 0,9, r² = 0,81, es decir, el 81% de la variación de Y es explicada por la variación de X. El 19% restante es variación no explicada por la relación lineal.
¿Cómo sé si una correlación es estadísticamente significativa?
Realizando una prueba de hipótesis para el coeficiente de correlación. El resultado depende tanto del valor de r como del tamaño de la muestra. Una correlación de r = 0,3 puede ser significativa con n = 200 y no significativa con n = 20. El p-valor indica si el resultado es mayor de lo esperado por azar.
¿Este artículo te fue útil?
Califica con estrellas para ayudarnos a mejorar el contenido.
Inicia sesión para calificar este artículo.
¿Aún tienes dudas?
El Profesor IA explica paso a paso
Haz una pregunta en lenguaje natural y recibe una explicación personalizada sobre Estadística Básica — o cualquier otro tema.
¿Prefieres resolverlo en el móvil?
Descargar la app gratis →Sigue aprendiendo