<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>MAPA CONCEPTUAL DEL COEFICIENTE DE CORRELACIÓN DE PEARSON by Angele Dayane Martha Arce Vaquerizo</title>
      <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p</link>
      <description>Estadística (Arce, Berrocal y Guerra)</description>
      <language>en-us</language>
      <pubDate>2022-12-05 06:25:47 UTC</pubDate>
      <lastBuildDate>2025-10-03 23:40:55 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url>http://www.cuadernosdeperiodistas.com/media/2016/12/vanzari.jpg</url>
      </image>
      <item>
         <title>COEFICIENTE DE CORRELACIÓN PRODUCTO- MOMENTO DE PEARSON</title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2408691096</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2022-12-05 06:32:13 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2408691096</guid>
      </item>
      <item>
         <title></title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2408691233</link>
         <description><![CDATA[<div><strong>Es una medición que señala la relación estadística entre dos variables continuas.</strong></div>]]></description>
         <enclosure url="" />
         <pubDate>2022-12-05 06:32:26 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2408691233</guid>
      </item>
      <item>
         <title></title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427319435</link>
         <description><![CDATA[<div>Conocer si dos variables están correlacionas, y cual es el valor de esta. </div>]]></description>
         <enclosure url="" />
         <pubDate>2022-12-22 08:38:45 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427319435</guid>
      </item>
      <item>
         <title>Interpretación</title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427319549</link>
         <description><![CDATA[<div>La interpretación depende de su valor.</div><ul><li><strong>r=-1:</strong> Correlación negativa perfecta.</li><li><strong>-1&lt;r&lt;0:</strong> Correlación negativa, cuanto más cerca de -1 más fuerte es la correlación.</li><li><strong>r=0:</strong> Correlación lineal nula.</li><li><strong>0&lt;r&lt;1:</strong> Correlación positiva, cuanto más cerca de +1 más fuerte es la correlación.</li><li><strong>r=1: </strong>Correlación positiva perfecta.</li></ul><div><br></div>]]></description>
         <enclosure url="https://www.probabilidadyestadistica.net/wp-content/uploads/2022/02/interpretacion-coeficiente-de-correlacion-de-pearson-768x547.png" />
         <pubDate>2022-12-22 08:38:58 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427319549</guid>
      </item>
      <item>
         <title>Pasos para calcular</title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427320324</link>
         <description><![CDATA[<div>1. Se analiza el gráfico de dispersión antes de calcular el coeficiente, para ver la relación entre las dos variables (X,Y)<br>2. Encontrar la media aritmética de cada variable, suma todos los datos entre el número de observaciones.<br>3. Añadir los datos a la tabla.<br>4. Determinamos los valores de la covarianza y de las varianzas.<br>5. Aplicar la fórmula del coeficiente de correlación de Pearson para obtener su valor.</div>]]></description>
         <enclosure url="" />
         <pubDate>2022-12-22 08:40:30 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427320324</guid>
      </item>
      <item>
         <title>Fórmula</title>
         <author>202014329</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427320992</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1689728021/bf800dd41bb147e4d1b0f9f4160f4161/SharedScreenshot.jpg" />
         <pubDate>2022-12-22 08:41:49 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427320992</guid>
      </item>
      <item>
         <title></title>
         <author>berrocalyuri9</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427611953</link>
         <description><![CDATA[<div>Se puede interpretar como que el coeficiente de pearson de dos variables diferentes (Pxy) es igual al covariante de las variables (X,Y) entre la varianza de ambas variables, teniendo en cuenta que ambas variables están bajo una raíz cuadrada.</div>]]></description>
         <enclosure url="" />
         <pubDate>2022-12-22 18:07:21 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427611953</guid>
      </item>
      <item>
         <title>Covarianza</title>
         <author>berrocalyuri9</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427614838</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1689728021/d49319de389c95bfe79dce35613293a8/SharedScreenshot2.jpg" />
         <pubDate>2022-12-22 18:14:03 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427614838</guid>
      </item>
      <item>
         <title></title>
         <author>berrocalyuri9</author>
         <link>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427615368</link>
         <description><![CDATA[<div>En este caso por el término “covarianza” hace referencia a una medida descriptiva que nos permite el tipo de asociación lineal entre dos variables diferentes y la cual se obtiene mediante la siguiente fórmula</div>]]></description>
         <enclosure url="" />
         <pubDate>2022-12-22 18:14:52 UTC</pubDate>
         <guid>https://padlet.com/202014329/cv8wsdvcsrw8g4p/wish/2427615368</guid>
      </item>
   </channel>
</rss>
