Esta herramienta calcula una matriz de correlación de Pearson a partir de observaciones pegadas como filas y la dibuja como mapa de calor. Cada celda muestra con qué fuerza dos variables se mueven juntas linealmente, de −1 (movimiento opuesto perfecto) pasando por 0 (ninguna relación lineal) hasta +1 (movimiento perfecto en la misma dirección). La diagonal siempre es 1, ya que cada variable correlaciona perfectamente consigo misma, y la matriz es simétrica. Las matrices de correlación son la primera parada en trabajo multivariado: revelan variables redundantes, predictores candidatos y relaciones sorprendentes antes de ajustar ningún modelo.
Cómo usarla
- Pega observaciones, una por línea, valores separados por comas.
- Mantén cada fila con la misma longitud (un valor por variable).
- Pulsa Calcular correlaciones.
- Lee el mapa de calor: las celdas cálidas son positivas, las frías negativas.
- Revisa la tabla para valores exactos detrás de los colores.
Ejemplo resuelto
Cinco observaciones de horas de estudio, sueño y estrés dan una matriz donde estudio y sueño correlacionan moderadamente en positivo, estudio y estrés correlacionan fuertemente en negativo, y sueño y estrés correlacionan fuertemente en negativo. El mapa de calor hace inmediato el patrón: la columna de estrés se muestra fría frente a ambas otras, sugiriendo que el estrés cae cuando suben estudio y sueño, o que un tercer factor impulsa los tres. En cualquier caso, la matriz hizo su trabajo: convirtió cinco filas de números en una hipótesis que vale probar adecuadamente, no en una conclusión.
Límites honestos
La correlación de Pearson mide solo relaciones lineales: una relación perfecta en forma de U puntúa cerca de cero, así que grafica siempre los pares que importen antes de confiar en una celda cercana a cero. Los atípicos pueden inflar o desinflar correlaciones dramáticamente en muestras pequeñas, y la correlación nunca prueba causalidad: dos variables pueden correlacionar por una causa compartida, una coincidencia o un confusor oculto. La herramienta también requiere filas de igual longitud y al menos tres observaciones; con menos, las correlaciones no significan nada. Para datos ordinales o no lineales, usa correlación de Spearman o inspección visual.
Para quién es
Esta herramienta es para estudiantes que aprenden pensamiento multivariado, investigadores que examinan variables antes de modelar y analistas que verifican multicolinealidad (dos predictores tan correlacionados que desestabilizan una regresión). Úsala como mapa de examen, y luego sigue con gráficos y modelos.
Para ir más allá
Cuando dos predictores correlacionan por encima de alrededor de 0,8, trátalos como casi duplicados para modelar: incluir ambos puede hacer que los coeficientes de regresión oscilen mucho con pequeños cambios de datos, mientras eliminar uno normalmente pierde poco poder predictivo. Decide cuál conservar por motivos de tema, no por cuál correlacione ligeramente más con el resultado: la variable más significativa, mejor medida o más accionable es la que se queda. Informa la matriz completa en un apéndice aunque el artículo discuta solo unas celdas: los lectores que puedan ver cada correlación pueden juzgar por sí mismos si tu modelo omitió una relación que importaba. Una matriz de correlación también diagnostica problemas en los propios datos, no solo relaciones entre variables. Una variable que correlaciona cerca de cero con todo, incluso consigo misma a lo largo del tiempo, puede estar mal codificada o ser constante; un par que correlaciona a 0,99 puede ser la misma medición registrada dos veces con nombres distintos; y un bloque de correlaciones uniformemente altas puede señalar que varios ítems miden un factor subyacente, útil para construir escalas pero peligroso para regresión. Revisa la matriz buscando estos patrones antes de modelar, y documenta cualquier variable que elimines por redundancia, con la correlación que la justificó. Los revisores confían en una sección de métodos que muestra su trabajo de examen, y una variable eliminada sin explicación se lee como una decisión oculta. La matriz es a la vez un mapa de relaciones y una auditoría de calidad de datos.
Herramientas relacionadas
English version · Constructor de Diagramas de Caja · Herramientas gratis en español.
Inserta esta herramienta en tu web — gratis
Copia el código de abajo para añadir esta herramienta funcional a tu propia página. Solo pedimos que mantengas el pequeño enlace de crédito que la acompaña.