Correlación de concordancia (CCC de Lin)

Esta calculadora del coeficiente de correlación de concordancia obtiene el CCC de Lin entre dos listas de números de la misma longitud. A diferencia de la r de Pearson, que solo valora la asociación lineal, el CCC pregunta si los puntos se sitúan cerca de la recta y igual a x: precisión y exactitud a la vez. Usted recibe el tamaño muestral emparejado n, el coeficiente CCC, la r de Pearson cuando ambas series varían, las medias de x e y, las varianzas y la covarianza con divisor 1/n, el factor de corrección de sesgo de Lin y la diferencia de medias. Comprobaciones clásicas: series idénticas del uno al cinco en ambos ejes, con concordancia perfecta CCC igual a uno; e y perfectamente correlacionada pero escalada o desplazada, que mantiene r cerca de uno mientras el CCC baja de uno. El motor usa solo un algoritmo determinista de dos pasadas: sin red, sin muestreo aleatorio y sin atajos dependientes de la fecha.

Qué mide el CCC de Lin y qué contiene la respuesta

El coeficiente de correlación de concordancia de Lin combina precisión y exactitud en un solo número que responde a una pregunta práctica: hasta qué punto coinciden dos mediciones emparejadas si el acuerdo perfecto significa que cada par cae en la recta identidad y igual a x.

La correlación producto-momento de Pearson puede dar r igual a uno cuando y es una versión escalada o desplazada de x, y aun así esos pares se alejan sistemáticamente de la recta identidad; el CCC penaliza ese sesgo de ubicación o de escala mediante el cuadrado de la diferencia de medias y los términos de varianza en el denominador.

Conocidas las medias de x e y, el motor forma los momentos de varianza y covarianza con 1/n y devuelve el CCC como el doble de la covarianza sobre la suma de las dos varianzas más el cuadrado de la diferencia de medias. Un valor cercano a más uno indica que las series se mueven juntas y se sitúan cerca de la recta identidad; cerca de cero o negativo, el desacuerdo es grande respecto a la dispersión conjunta.

Se rechazan un campo x o y ausente, listas vacías, menos de dos pares, entradas no finitas como Infinity o NaN, tokens no numéricos, longitudes distintas y arrays más largos que el máximo publicado. La regla de igual longitud es intencional: listas de distinta longitud inventarían emparejamientos que no están en los datos.

Dónde encaja la correlación de concordancia en laboratorio, estudio y producto

Los estudiantes encuentran el CCC cuando una unidad de bioestadística contrasta correlación y acuerdo, cuando un laboratorio de métodos compara dos ensayos o dos instrumentos sobre las mismas muestras, o cuando necesitan una comprobación limpia frente a una calculadora que solo imprime la r de Pearson y oculta el sesgo sistemático. Los docentes pueden pregenerar claves de respuesta para series emparejadas modestas sin confiar en aplicaciones opacas que descartan pares con celdas faltantes o cambian en silencio entre convenciones de momentos n y n menos uno.

Los desarrolladores invocan el mismo contrato desde scripts para sembrar vectores de prueba deterministas, validar pipelines de fusión de sensores que exigen mediciones cerca de la recta identidad, o satisfacer puertas de calidad de datos que marcan pares cuyo CCC se derrumba cuando un canal gana un factor de escala. Los analistas usan el CCC junto a gráficos de Bland–Altman y resúmenes residuales: una r de Pearson alta con un CCC modesto es la señal clásica de asociación fuerte pero acuerdo insuficiente.

Los equipos de producto y operaciones vigilan la concordancia entre dos sondas de latencia, dos motores de precios o dos puntuaciones de recomendación para detectar deriva silenciosa que un panel de solo correlación pasaría por alto. Combínelo con la herramienta de correlación de Pearson cuando solo necesite asociación lineal, y con regresión lineal cuando necesite pendiente e intercepto en lugar de una puntuación de acuerdo con la recta identidad.