A correlação entre duas variáveis descreve a probabilidade de que uma mudança de uma variável irá provocar uma variação proporcional na outra variável. A elevada correlação entre duas variáveis sugere que partilham uma causa comum ou uma mudança de uma das variáveis é directamente responsável por uma mudança na outra variável. valor r de Pearson é utilizada para quantificar a correlação entre duas variáveis discretas.
Coisas que você precisa
- Calculadora
Rotular a variável que você acredita que está causando a mudança para a outra variável como x (a variável independente) ea outra variável y (a variável dependente).
Construa uma tabela com cinco colunas e quantas linhas, pois há pontos de dados para x e y. Rotular as colunas A a E da esquerda para a direita.
Preencher em cada linha com os seguintes valores para cada (x, y) ponto de dados na primeira coluna - o valor de x na coluna A, o valor de x ao quadrado na coluna B, o valor de Y na coluna C, o valor de y ao quadrado na coluna D e o valor de x vezes y na Coluna E.
Adicione uma linha final na parte inferior da mesa e colocar a soma de todos os valores de cada coluna na sua célula correspondente.
Calcula-se o produto das células finais na coluna A e C.
Multiplicar a célula final na Coluna E por o número de pontos de dados.
Subtrair o valor obtido no Passo 5 do valor obtido no Passo 6 e sublinhado a resposta.
Multiplicar a celular final de Coluna B por o número de pontos de dados. Subtrair a partir deste valor do quadrado do valor do final de células da coluna A.
Multiplicar o final de células de coluna D, o número de pontos de dados e subtrair o quadrado do valor da célula final da coluna C.
Multiplicar os valores encontrados na etapa 8 e 9 em conjunto e, em seguida, tirar a raiz quadrada do resultado.
Dividir o valor obtido no Passo 7 (que deve ser sublinhado) pelo valor obtido no Passo 10. Isto é r de Pearson, também conhecido como o coeficiente de correlação. Se R é próximo de 1, há uma forte correlação positiva. Se R é perto de -1, há uma forte correlação negativa. Se r é próximo de 0, há uma correlação fraca.