La connaissance circule du général au particulier, en ce sens l'explication de phénomènes nouveaux peut être étudiée par la relation qu'elle entretient avec des événements d'un même phénomène, ce qui se fait fréquemment dans le domaine de recherche. En raison de ce qui précède, il est nécessaire d'établir la relation entre deux variables quantitatives dans un groupe de sujets d'étude.
La science de la statistique dispose de méthodes permettant de mesurer cette relation, avec les objectifs suivants :
Annonces
- Déterminez si les deux variables sont corrélées, c'est-à-dire si pour des valeurs inférieures ou supérieures d'une variable, les valeurs de l'autre variable ont tendance à être également inférieures ou supérieures.
- Prédire la valeur d'une variable, en prenant une certaine valeur de l'autre variable.
- Estimer le niveau de correspondance entre les valeurs des deux variables.
Dans cet article vous trouverez :
Quel est le coefficient de corrélation de Pearson ?
Le coefficient de corrélation de Pearson est une mesure de la correspondance ou de la relation linéaire entre deux variables quantitatives aléatoires. En termes plus simples, il peut être défini comme un indice utilisé pour mesurer le degré de relation entre deux variables, toutes deux quantitatives.
Annonces
Ayant deux variables, la corrélation facilite les estimations de la valeur de l'une d'entre elles, avec connaissance de la valeur de l'autre variable.
Ce coefficient est une mesure qui indique la situation relative des événements par rapport aux deux variables, il est c'est-à-dire qu'il représente l'expression numérique qui indique le degré de correspondance ou de relation qui existe entre les 2 variables. Ces nombres varient entre des limites de +1 et -1.
Annonces
Comment est-il calculé ?
Avoir un guide qui permet :
- Établir la variation contiguë des deux variables
- Comparer les différents cas entre eux
Pour ce faire, on utilise le coefficient de corrélation de Pearson, défini comme la covariance qui se produit entre deux variables standardisées et est calculé avec l'expression suivante :
Annonces
Comment cela interprète-t-il le coefficient de corrélation de Pearson ?
Sa dimension indique le niveau d'association entre les variables.
Annonces
- Lorsqu'il est inférieur à zéro (r < 0) On dit qu'il y a une corrélation négative: Les variables sont corrélées en sens inverse.
Des valeurs élevées dans l'une des variables correspondent généralement à des valeurs faibles dans l'autre variable et vice versa. Plus la valeur de -1 dudit coefficient de corrélation est proche, plus la covariation extrême sera évidente.
Si r = -1, on parle d'une corrélation négative parfaite, ce qui suppose une détermination absolue entre les deux variables, au sens direct une relation linéaire parfaite avec une pente négative coexiste.
- Lorsqu'il est supérieur à zéro (r> 0) On dit qu'il y a une corrélation positive: Les deux variables sont corrélées au sens direct.
Des valeurs élevées dans l'une des variables correspondent à des valeurs élevées dans l'autre variable, et dans une situation inverse, la même chose se produit avec des valeurs faibles. Plus le coefficient de corrélation est proche de +1, plus la covariation sera évidente.
Si r = 1 On parle d'une corrélation positive parfaite, ce qui suppose une détermination absolue entre les variables, au sens direct coexiste une relation linéaire parfaite avec une pente positive).
- Lorsqu'il est égal à zéro (r = 0) On dit que les variables sont incorrectement liées, il n'est pas possible d'établir un sens de covariation.
Il n'y a pas de relation linéaire, mais cela n'implique pas nécessairement que les variables sont indépendantes, et il peut y avoir des relations non linéaires entre les variables.
Lorsque les deux variables sont indépendantes, elles sont dites non corrélées, bien que le résultat de réciprocité ne soit pas nécessairement vrai.
Pour conclure, on peut dire que cela semble plus difficile qu'il n'y paraît, surtout si vous avez la technologie. avancé, car il existe aujourd'hui plusieurs programmes qui facilitent cette tâche de calcul et d'interprétation Pearson.
