Como calcular Correlação em Minitabs

Use correlação para determinar a relação entre a altura e o peso.

Se você quiser saber mais sobre a relação entre duas escalas, tais como altura e peso de pessoas nos Estados Unidos, use a correlação linear de Pearson. Este é um número entre -1,00 e 1,00 que nos ajuda a fazer declarações sobre a relação entre altura e peso. Porque a correlação mede como duas variáveis estão associadas, não importa se você usa libras e polegadas ou quilogramas e centímetros - a correlação será exatamente o mesmo, porque tudo é convertido em unidades padrão. Calculando correlação com a mão é demorado, portanto, para grandes conjuntos de dados usar um programa de software estatístico, como Minitab 16.

Coisas que você precisa

os dados de peso e altura de pelo menos 50 pessoas que vivem nos Estados Unidos
Minitab 16

Lápis
Papel

Abra Minitab 16 e rotular a coluna C1 "Altura" e a coluna C2 "Peso." Insira os dados de peso e altura para pelo menos 50 pessoas. Salve o arquivo.
Selecione os "Stat" opção no menu no topo da Minitab 16. Em seguida, selecione a "Estatística Básica" e "Correlação" opções. Selecionar as variáveis C1 "Altura" e C2 "Peso" clicando duas vezes sobre eles. Isso vai colocá-los no "variáveis" caixa. Clique "ESTÁ BEM."

Correlação é fácil de calcular usando Minitab 16.
Leia a saída, o qual vai ser exibido no "Sessão" janela. Para este exemplo, a saída será semelhante ao "de correlação de Pearson de altura e peso é 0,789. P-valor é 0.007."
Olhe para a correlação. Se for zero ou próximo de zero, não existe uma relação entre a altura e o peso. Se for um número negativo, você diria que as pessoas mais altas tendem a pesar menos do que as pessoas mais curtos. Se, como neste exemplo, a correlação é positiva, diríamos que as pessoas mais altas tendem a pesar mais. A correlação neste exemplo é 0,789, o que significa que para cada aumento de uma unidade padronizada de 0,789 de altura na sua amostra, você tem um aumento de .789 unidades padronizadas de peso. A correlação de 0,7 ou acima é considerada forte, por isso podemos dizer que esta é uma relação forte.
Quadratura do correlação e converter-se ao percentual de lhe dar a medida, as duas escalas aumentar ou diminuir juntos. Neste exemplo, o quadrado de 0,789 é 0,622. Obter uma percentagem multiplicando por 100. Portanto 62,2% da variação de peso pode ser explicado pela altura, ou vice-versa.
Interpretar o valor-p. Neste exemplo, o valor de p é 0,007. O valor-p diz-lhe as chances de que os resultados se devem somente ao acaso - que eles provavelmente não estão dizendo nada significativo sobre a relação entre altura e peso para as pessoas que vivem nos Estados Unidos como um todo. Neste caso, um valor de p de 0,007 é extremamente baixa. Isso significa que há uma extremamente baixa probabilidade de que os resultados se devem ao acaso. Você pode dizer com grande confiança de que as pessoas mais altas tendem a pesar mais do que as pessoas mais curtos nos Estados Unidos. Um valor p de 0,05 ou mais baixa é geralmente aceita como o que significa que você tem um resultado que não é devido apenas ao acaso.

dicas & avisos

Descobrir que duas escalas são correlacionados não significa necessariamente que uma escala faz com que o movimento em outra. Neste exemplo, as pessoas mais pesadas tendem a ser mais alto, mas o ganho de peso não vai fazer você mais alto.
Para calcular uma correlação de Pearson, as variáveis devem ser medidos em cada um intervalo ou uma escala de razão.
O autor calculou o tamanho da amostra correcto necessário para esta exemplo- a seção Recursos enumera uma calculadora de tamanho de amostra a ser utilizada para determinar o tamanho da amostra adequado para outras variáveis.

De esta maneira? Compartilhar em redes sociais: