Mostrar el registro sencillo del ítem

dc.rights.licenseLicencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
dc.contributor.authorHernández Lalinde, Juan Diego
dc.contributor.authorEspinosa Castro, Jhon Franklin
dc.contributor.authorPeñaloza Tarazona, Mariana Elena
dc.contributor.authorFernández González, Johel Enrique
dc.contributor.authorChacón Rangel, José Gerardo
dc.contributor.authorToloza Sierra, Cristian Andrés
dc.contributor.authorArenas Torrado, Marlly Karina
dc.contributor.authorCarrillo Sierra, Sandra Milena
dc.contributor.authorBermúdez Pirela, Valmore José
dc.date.accessioned2019-01-21T20:29:25Z
dc.date.available2019-01-21T20:29:25Z
dc.date.issued2018
dc.identifier.issn07980264
dc.identifier.urihttp://hdl.handle.net/20.500.12442/2469
dc.description.abstractEl coeficiente de correlación de Pearson es una medida considerablemente utilizada en diversas áreas del quehacer científico, desde estudios técnicos, econométricos o de ingeniería; hasta investigaciones relacionadas con las ciencias sociales, del comportamiento o de la salud. Es precisamente esta extensa y profusa divulgación una de las razones que explicaría el uso indebido que se le da a esta herramienta estadística, especialmente en aquellos escenarios en los que debe ser interpretada correctamente o en los que se tienen que comprobar las suposiciones matemáticas que la sustentan. Un ejemplo de esto se halla cuando se asume que la correlación implica causalidad, confusión en la que se incurre con frecuencia y en la que se ven involucrados, tanto investigadores noveles, como algunos más experimentados. Pero tal vez el foco de mayores errores se encuentre al momento de comprobar premisas como la de la normalidad, siendo que esta se verifica únicamente a nivel univariado y se omite su revisión bivariada, quizás por desconocimiento o porque exige la utilización de técnicas más complejas. Situación similar se observa cuando se intentan detectar datos atípicos. En este caso, lo común es que se empleen diagramas de caja y bigotes para identificar valores extremos en cada variable, cuando lo apropiado sería abordar esta tarea con procedimientos que cuantifiquen la distancia que separa a dicha observación del centro de gravedad de los datos, pero de manera simultánea y tomando en cuenta todos los componentes del espacio vectorial en que se encuentra. En tal sentido, se propone la presente revisión como aporte para esclarecer estas dudas y como guía metodológica para orientar en la verificación de tales supuestos, abordando el aspecto matemático de manera general, pero enfatizando en las alternativas de que dispone el investigador para acometer debidamente este tipo de análisis.spa
dc.description.abstractThe Pearson correlation coefficient is a measure widely used in several areas of scientific work, from technical, econometric or engineering studies; to social, behavioral or health sciences researches. It’s precisely this extensive and profuse disclosure one of the reasons that would explain the misuse of this statistical tool, especially in those cases in which it must be correctly interpreted, or in those situations in which the mathematical assumptions that support it have to be checked. An example of this arise when it’s assumed that correlation implies causation, confusion that occurs frequently and involves both, novice and experienced researches. But perhaps the mayor focus of errors is found when checking assumptions such as normality, since it’s verified only at univariate level omitting its bivariate verification, possibly due to lack of knowledge or because it requires more complex techniques. Similar situation is observed when trying to detect outliers. In this case, it's common to use box and whisker plots to identify extreme values in each variable, when the appropriate would be to approach this task using procedures that calculate the distances that separates this observation of the center of the data, taking into account all its vector space components. In this regard, this review is proposed as a contribution to clarify these doubts and as a methodological guide to help in the verification of such assumptions, addressing the mathematical aspect in a general manner, but emphasizing the alternatives available to undertake this type of analysis.eng
dc.language.isospaspa
dc.publisherSociedad Venezolana de Farmacología Clínica y Terapéuticaspa
dc.sourceArchivos Venezolanos de Farmacología y Terapéuticaspa
dc.sourceVol. 37, No. 5 (2018)
dc.subjectCoeficientespa
dc.subjectCorrelaciónspa
dc.subjectSupuestosspa
dc.subjectNormalidad bivariadaspa
dc.subjectDatos atípicos multivariadosspa
dc.subjectCoefficienteng
dc.subjectCorrelationeng
dc.subjectPearsoneng
dc.subjectAssumptionseng
dc.subjectBivariate normalityeng
dc.subjectMultivariate outlierseng
dc.titleSobre El Uso Adecuado Del Coeficiente De Correlación De Pearson: Definición, Propiedades Y Suposicionesspa
dc.title.alternativeOn the proper use of the Pearson correlation coefficient: definitions, properties and assumptionseng
dc.typearticlespa
dcterms.referencesRodgers JL, Nicewander WA. Thirteen Ways to Look at the Correlation Coefficient. Am Stat. febrero de 1988;42(1):59.eng
dcterms.referencesJ. J. Strossmayer University of Osijek, Faculty of Agriculture in Osijek, Kralja Petra Svačića 1d, 31000 Osijek, Croatia, Rebekić A, Lončarić Z, Petrović S, Marić S. Pearson’s or Spearman’s correlation coefficient - Which one to use? Poljoprivreda. 18 de diciembre de 2015;21(2):47-54.eng
dcterms.referencesZhong M, Zheng S, Wang G, Hua J, Gebbink R. Correlation analysis of combined and separated effects of wing deformation and support system in the CAE-AVM study. Chin J Aeronaut. marzo de 2018;31(3):429-38.eng
dcterms.referencesKusiak A, Li W. Estimation of wind speed: A data-driven approach. J Wind Eng Ind Aerodyn. octubre de 2010;98(10-11):559-67.eng
dcterms.referencesFu X, Wang J, Tan F, Feng X, Wang D. Occurrence and enrichment of trace elements in marine oil shale (china) and their behavior during combustion. Oil Shale. 2015;32(1):42.eng
dcterms.referencesFreitas N de O, Forero CG, Caltran MP, Alonso J, Dantas RAS, Piccolo MS, et al. Validation of the Perceived Stigmatization Questionnaire for Brazilian adult burn patients. Lin C-Y, editor. PLOS ONE. 30 de enero de 2018;13(1):e0190747.eng
dcterms.referencesShoji K, Lesnierowska M, Smoktunowicz E, Bock J, Luszczynska A, Benight CC, et al. What Comes First, Job Burnout or Secondary Traumatic Stress? Findings from Two Longitudinal Studies from the U.S. and Poland. Elhai JD, editor. PLOS ONE. 25 de agosto de 2015;10(8):e0136730.eng
dcterms.referencesLarson LR, Jennings V, Cloutier SA. Public Parks and Wellbeing in Urban Areas of the United States. Lepczyk CA, editor. PLOS ONE. 7 de abril de 2016;11(4):e0153211.eng
dcterms.referencesJoseph PV, Wang Y, Fourie NH, Henderson WA. A computational framework for predicting obesity risk based on optimizing and integrating genetic risk score and gene expression profiles. Devaney J, editor. PLOS ONE. 24 de mayo de 2018;13(5):e0197843.eng
dcterms.referencesVera M, Huérfano Y, Contreras J, Vera M, Salazar W, Vargas S, et al. Desarrollo de una técnica computacional no lineal para la segmentación de hematomas subdurales, presentes en imágenes de tomografía computarizada cerebral. Arch Venez Farmacol Ter. 2017;36(6):168-73.spa
dcterms.referencesVera M, Huérfano Y, Contreras J, Vera M, Salazar W, Vargas S, et al. Técnica computacional no lineal para la detección de hemoventrículo, en imágenes de tomografía computarizada cerebral. Latinoam Hipertens [Internet]. 29 de enero de 2018 [citado 11 de enero de 2019];12(5). Disponible en: http://saber.ucv.ve/ojs/index.php/rev_lh/article/view/14695spa
dcterms.referencesBernardo SM, Anholon R, Novaski O, Silva D, Quelhas OLG. Main causes that lead strategies to decline at execution phase: an analysis of Brazilian companies. Int J Product Perform Manag. 6 de marzo de 2017;66(3):424-40.eng
dcterms.referencesRani K. Analysis of Dynamic Interaction between Foreign Investments and Indian Stock Market. J Int Econ. 2015;6(2):10.eng
dcterms.referencesWu S, Duncan F, Anderson NH, Kuppuswamy A, Macloed MR, Mead GE. Exploratory Cohort Study of Associations between Serum C - Reactive Protein and Fatigue after Stroke. Hashimoto K, editor. PLOS ONE. 24 de noviembre de 2015;10(11):e0143784.eng
dcterms.referencesTarabichi M, Detours V. A research note regarding «Variation in cancer risk among tissues can be explained by the number of stem cell divisions». F1000Research. 22 de agosto de 2016;5:2044.eng
dcterms.referencesTomasetti C, Vogelstein B. Variation in cancer risk among tissues can be explained by the number of stem cell divisions. Science. 2 de enero de 2015;347(6217):78-81.eng
dcterms.referencesFenton A, Jesky MD, Webster R, Stringer SJ, Yadav P, Chapple I, et al. Association between urinary free light chains and progression to end stage renal disease in chronic kidney disease. Bjornstad P, editor. PLOS ONE. 9 de mayo de 2018;13(5):e0197043.eng
dcterms.referencesDinas PC, Nintou E, Psychou D, Granzotto M, Rossato M, Vettor R, et al. Association of fat mass profile with natriuretic peptide receptor alpha in subcutaneous adipose tissue of medication-free healthy men: A cross-sectional study. F1000Research. 15 de marzo de 2018;7:327.eng
dcterms.referencesAkuffo KO, Nolan JM, Peto T, Stack J, Leung I, Corcoran L, et al. Relationship between macular pigment and visual function in subjects with early age-related macular degeneration. Br J Ophthalmol. febrero de 2017;101(2):190-7.eng
dcterms.referencesKozak M, Krzanowski W, Tartanus M. Use of the correlation coefficient in agricultural sciences: problems, pitfalls and how to deal with them. An Acad Bras Ciênc. diciembre de 2012;84(4):1147-56.eng
dcterms.referencesWarren WG. Correlation or Regression: Bias or Precision. Appl Stat. 1971;20(2):148.eng
dcterms.referencesMukaka M. A guide to appropriate use of Correlation coefficient in medical research. Malawi Med J J Med Assoc Malawi. septiembre de 2012;24(3):69-71.eng
dcterms.referencesPorter AM. Misuse of correlation and regression in three medical journals. J R Soc Med. marzo de 1999;92(3):123-8.eng
dcterms.referencesUse and Misuse of Correlation Coefficients [Internet]. STAT 509. [citado 15 de enero de 2019]. Disponible en: https://newonlinecourses.science.psu.edu/stat509/node/160/eng
dcterms.referencesMontgomery DC, Runger GC. Applied statistics and probability for engineers. 3rd ed. New York: Wiley; 2003. 706 p.eng
dcterms.referencesWalpole RE, Myers RH, Myers SL, Ye K. Probability & statistics for engineers & scientists: MyStatLab update [Internet]. 2017 [citado 24 de junio de 2018]. Disponible en: http://www.myilibrary.com?id=94790eng
dcterms.referencesDaniel WW. Biostatistics: A Foundation for Analysis in the Health Sciences, 5th Edition. [Internet]. Vol. 47. 1991 [citado 24 de junio de 2018]. Disponible en: https://www.jstor.org/stable/2532686?origin=crossrefeng
dcterms.referencesWeisberg S. Applied linear regression. 3rd ed. Hoboken, N.J: Wiley-Interscience; 2005. 310 p. (Wiley series in probability and statistics).eng
dcterms.referencesRencher AC. Methods of multivariate analysis. 2nd ed. New York: J. Wiley; 2002. 708 p. (Wiley series in probability and mathematical statistics).eng
dcterms.referencesCovariance and Correlation. En: Hedge Funds [Internet]. Oxford, UK: John Wiley & Sons Ltd; 2013 [citado 26 de junio de 2018]. p. 121-46. Disponible en: http://doi.wiley.com/10.1002/9781118673546.ch6eng
dcterms.referencesAsuero AG, Sayago A, González AG. The Correlation Coefficient: An Overview. Crit Rev Anal Chem. enero de 2006;36(1):41-59.eng
dcterms.referencesRigby AS. Statistical methods in epidemiology. VI. Correlation and regression: the same or different? Disabil Rehabil. enero de 2000;22(18):813-9.eng
dcterms.referencesGoodwin LD, Leech NL. Understanding Correlation: Factors That Affect the Size of r. J Exp Educ. abril de 2006;74(3):249-66.eng
dcterms.referencesRatner B. The correlation coefficient: Its values range between +1/−1, or do they? J Target Meas Anal Mark. junio de 2009;17(2):139-42.eng
dcterms.referencesCohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale, N.J: L. Erlbaum Associates; 1988. 567 p.eng
dcterms.referencesSedgwick P. Pearson’s correlation coefficient. BMJ. 4 de julio de 2012;345(jul04 1):e4483-e4483.eng
dcterms.referencesWiedermann W, Hagmann M. Asymmetric properties of the Pearson correlation coefficient: Correlation as the negative association between linear regression residuals. Commun Stat - Theory Methods. noviembre de 2016;45(21):6263-83.eng
dcterms.referencesYeager K. LibGuides: SPSS Tutorials: Pearson Correlation [Internet]. [citado 18 de diciembre de 2018]. Disponible en: https://libguides.library.kent.edu/SPSS/PearsonCorreng
dcterms.referencesMeasure of association | statistics [Internet]. Encyclopedia Britannica. [citado 17 de diciembre de 2018]. Disponible en: https://www.britannica.com/topic/measure-of-associationeng
dcterms.referencesPearson Product-Moment Correlation - When you should run this test, the range of values the coefficient can take and how to measure strength of association. [Internet]. [citado 18 de diciembre de 2018]. Disponible en: https://statistics.laerd.com/statistical-guides/pearson-correlation-coefficient-statistical-guide.phpeng
dcterms.referencesPearson’s Product-Moment Correlation in SPSS Statistics - Procedure, assumptions, and output using a relevant example. [Internet]. [citado 18 de diciembre de 2018]. Disponible en: https://statistics.laerd.com/spss-tutorials/pearsons-product-moment-correlation-using-spss-statistics.phpeng
dcterms.referencesPoint-Biserial Correlation in SPSS Statistics - Procedure, assumptions, and output using a relevant example. [Internet]. [citado 18 de diciembre de 2018]. Disponible en: https://statistics.laerd.com/spss-tutorials/point-biserial-correlation-using-spss-statistics.phpeng
dcterms.referencesChi-Square Test for Association using SPSS Statistics - Procedure, assumptions and reporting the output [Internet]. [citado 18 de diciembre de 2018]. Disponible en: https://statistics.laerd.com/spss-tutorials/chi-square-test-for-association-using-spss-statistics.phpeng
dcterms.referencesCui Y, Wang S, Yan S. Evaluating the Applicability of Phi Coefficient in Indicating Habitat Preferences of Forest Soil Fauna Based on a Single Field Study in Subtropical China. PLoS ONE [Internet]. 1 de marzo de 2016 [citado 18 de diciembre de 2018];11(3). Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4773244/eng
dcterms.referencesTimm NH. Applied multivariate analysis. New York: Springer; 2002. 693 p. (Springer texts in statistics).eng
dcterms.referencesMardia KV. Measures of Multivariate Skewness and Kurtosis with Applications. Biometrika. diciembre de 1970;57(3):519.eng
dcterms.referencesKankainen A, Taskinen S, Oja H. On Mardia’s Tests of Multinormality. En: Hubert M, Pison G, Struyf A, Van Aelst S, editores. Theory and Applications of Recent Robust Methods [Internet]. Basel: Birkhäuser Basel; 2004 [citado 30 de diciembre de 2018]. p. 153-64. Disponible en: http://link.springer.com/10.1007/978-3-0348-7958-3_14eng
dcterms.referencesRomeu JL, Ozturk A. A Comparative Study of Goodness-of-Fit Tests for Multivariate Normality. J Multivar Anal. agosto de 1993;46(2):309-34.eng
dcterms.referencesCabana E, Laniado H, Lillo RE. Multivariate outlier detection based on a robust Mahalanobis distance with shrinkage estimators. :80.eng
dcterms.referencesDe Maesschalck R, Jouan-Rimbaud D, Massart DL. The Mahalanobis distance. Chemom Intell Lab Syst. enero de 2000;50(1):1-18.eng
dcterms.referencesFranklin S, Thomas S, Franklin S. Robust multivariate outlier detection using Mahalanobis’ distance and modified Stahel-Donoho estimators. Semantic Sch. 2001;35.eng
dcterms.referencesBendre SM. Masking and swamping effects on tests for multiple outliers in normal sample. Commun Stat - Theory Methods. enero de 1989;18(2):697-710.eng
dcterms.referencesChiang J-T. The masking and swamping effects using the planted mean-shift outliers models. Int J Contemp Math Sci. 2007;2:297-307.eng
dcterms.referencesGarcía JAM, Uribe IA. Técnicas para detección de outliers multivariantes. Rev En Telecomunicaciones E Informática. 2013;3(5):11-25.spa
dcterms.referencesLohr SL. Sampling: Design and Analysis. 3.a ed. Brooks/Cole Cengage Learning; 2010. 596 p.eng
dcterms.referencesAlf C, Lohr S. Sampling Assumptions in Introductory Statistics Classes. Am Stat. febrero de 2007;61(1):71-7.eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Artículos
    Artículos científicos evaluados por pares

Mostrar el registro sencillo del ítem