Calculadora de correlación de Spearman - correlación por rangos
Calcula el coeficiente de correlación por rangos de Spearman (ρ) entre dos conjuntos de datos y mide la fuerza y dirección de una relación monótona sin asumir normalidad.
Introduce dos conjuntos de datos de igual longitud separados por comas. La calculadora asigna rangos a cada conjunto y calcula ρ con la fórmula de Pearson aplicada a los rangos, tratando correctamente los empates.
Calculadora de correlación de Spearman - correlación por rangos
Calcula el coeficiente de correlación por rangos de Spearman (ρ) entre dos conjuntos de datos y mide la fuerza y dirección de una relación monótona sin asumir normalidad.
Introduce números separados por comas o espacios
Debe tener el mismo número de valores que el conjunto X
Acerca de la calculadora de correlación de Spearman
El coeficiente de correlación por rangos de Spearman, denotado ρ (rho) o rs, es una medida no paramétrica de la relación monótona entre dos variables. A diferencia de la correlación de Pearson, que mide la relación lineal y requiere que los datos tengan distribución normal y estén medidos en escalas de intervalo o razón, el coeficiente de Spearman trabaja con los rangos de los valores. Esto lo hace adecuado para datos ordinales, datos con valores atípicos y cualquier situación en la que la relación entre variables sea monótona pero no necesariamente lineal.
El cálculo se realiza en tres pasos. Primero, se asignan rangos a cada conjunto de datos: el valor más pequeño recibe rango 1, el segundo más pequeño rango 2, y así sucesivamente. Cuando hay empates, cada valor empatado recibe el promedio de los rangos que habría ocupado. Segundo, se calcula la diferencia dᵢ entre los rangos emparejados para cada par de observaciones. Tercero, se calcula ρ. Para datos sin empates, la fórmula clásica ρ = 1 − (6 Σdᵢ²) / (n(n²−1)) da un resultado exacto. Para datos con empates, esta calculadora usa la fórmula más general —la correlación de Pearson calculada sobre los rangos—, que por construcción maneja correctamente los empates.
El coeficiente va de −1 a +1. Un valor de +1 significa una relación monótona positiva perfecta: cada aumento de una variable va acompañado de un aumento de la otra. Un valor de −1 significa una relación monótona negativa perfecta: cada aumento de una variable va acompañado de una disminución de la otra. Un valor de 0 indica que no hay relación monótona. En la práctica, los valores por encima de ±0.7 se consideran fuertes, de ±0.5 a ±0.7 moderados, de ±0.3 a ±0.5 débiles y por debajo de ±0.3 despreciables, aunque el umbral de “significativo” siempre depende del tamaño de la muestra y del contexto.
La correlación de Spearman se utiliza ampliamente en psicología (clasificación de preferencias o actitudes), educación (comparación de rangos de clase con puntuaciones de exámenes), medicina (comparación de puntuaciones de gravedad de síntomas), ecología (conteos de abundancia frente a calidad del hábitat), finanzas (clasificación de fondos mutuos por rentabilidad ajustada al riesgo) e investigación de mercados (rankings de preferencias de consumidores). Cualquier campo que trabaje con datos clasificados, ordenados o no normales se beneficia de ella.
Una limitación importante: la ρ de Spearman detecta solo relaciones monótonas. Si la relación tiene forma de U o es no monótona de otro modo, ρ puede estar cerca de cero incluso cuando existe una relación fuerte. En esos casos, los diagramas de dispersión y otros diagnósticos visuales siempre deben acompañar al coeficiente numérico para asegurar una interpretación correcta.
Ejemplos de correlación de Spearman
Cuatro ejemplos resueltos que ilustran distintas fuerzas de correlación y estructuras de datos.
| Conjuntos de datos | ρ | Interpretación |
|---|---|---|
| X: 10, 20, 30, 40, 50 | Y: 2, 4, 6, 8, 10 | ρ = 1.0000 | Relación monótona positiva perfecta: ambas variables siempre aumentan juntas. |
| X: 105, 120, 90, 150, 135 | Y: 4.5, 3.2, 5.0, 2.1, 2.9 | ρ = −1.0000 | Relación negativa perfecta: X e Y están ordenadas exactamente en sentido inverso. |
| X: 1, 2, 3, 4, 5 | Y: 3, 1, 5, 2, 4 | ρ = 0.3000 | Relación monótona positiva débil entre los dos ordenamientos por rango. |
| X: 8, 9, 10, 10, 12 | Y: 4, 6, 5, 5, 7 | ρ ≈ 0.6842 | Correlación positiva moderada; los valores empatados se manejan promediando rangos. |
Cómo usar la calculadora de correlación de Spearman
- Introduce tu primer conjunto de datos (X) como números separados por comas en el campo Conjunto de datos X.
- Introduce tu segundo conjunto de datos (Y) en el campo Conjunto de datos Y; debe tener exactamente el mismo número de valores que X.
- Haz clic en Calcular. La calculadora asigna rangos a ambos conjuntos, maneja cualquier empate promediando rangos y calcula ρ con la fórmula de Pearson sobre rangos.
- Lee el valor de ρ, el tamaño de la muestra y la interpretación de fuerza en el panel de resultados.
- Usa los botones de ejemplo para cargar conjuntos predefinidos y ver escenarios típicos de correlación positiva, negativa y cero.
Preguntas frecuentes sobre la correlación de Spearman
¿Cuál es la diferencia entre la correlación de Spearman y la de Pearson?
La r de Pearson mide la fuerza de una relación lineal y asume que ambas variables tienen distribución normal y se miden en una escala de intervalo. La ρ de Spearman mide cualquier relación monótona —no solo lineal— y trabaja con datos clasificados por rangos, por lo que es robusta frente a valores atípicos y válida para datos ordinales. Usa Spearman cuando se incumpla el supuesto de normalidad, los datos sean ordinales o haya valores atípicos.
¿La correlación de Spearman requiere un tamaño mínimo de muestra?
Técnicamente, la fórmula funciona con n ≥ 2, pero con muestras muy pequeñas (n < 5) el coeficiente es muy sensible a valores individuales y las pruebas de significación tienen muy baja potencia. Se recomienda un mínimo de 10–15 observaciones emparejadas para una estimación fiable, y para pruebas formales de significación se prefiere n ≥ 20.
¿Cómo maneja la calculadora los valores empatados?
Cuando dos o más observaciones comparten el mismo valor, cada observación empatada recibe el promedio de los rangos que habría ocupado. Por ejemplo, si los valores en las posiciones 3 y 4 son iguales, ambos reciben rango 3.5. Luego la calculadora usa la fórmula de Pearson sobre rangos, que es algebraicamente equivalente a la fórmula simple con dᵢ² cuando no hay empates y maneja correctamente los empates cuando existen.
¿Qué significa una ρ de Spearman igual a 0?
Una ρ exactamente igual a 0 significa que no hay relación monótona entre los ordenamientos por rango de X e Y. No significa que las variables sean independientes: una relación no monótona, por ejemplo en forma de U, también produciría una ρ cercana a 0. Grafica siempre tus datos junto con el coeficiente para asegurarte de que no se pase por alto ningún patrón.
¿Puede usarse la correlación de Spearman con datos categóricos?
La correlación de Spearman requiere al menos datos ordinales, es decir, datos que puedan clasificarse de forma significativa. No puede aplicarse a datos categóricos nominales (por ejemplo, colores, nombres o etiquetas), donde el concepto de orden por rango no aplica. Para datos nominales, considera Cramér's V u otras medidas de asociación.