La conoscenza circola dal generale al particolare, in questo senso la spiegazione di nuovi fenomeni può essere studiata da il rapporto che ha con eventi dello stesso fenomeno, che è ciò che spesso si fa nel campo della ricerca. Per quanto sopra, è necessario stabilire la relazione tra due variabili quantitative in un gruppo di materie di studio.
La scienza della statistica dispone di metodi che consentono di misurare questa relazione, con i seguenti obiettivi:
Annunci
- Determina se entrambe le variabili sono correlate, ovvero se per valori inferiori o superiori di una variabile, i valori dell'altra variabile tendono ad essere ugualmente inferiori o superiori.
- Prevedere il valore di una variabile, prendendo un certo valore dall'altra variabile.
- Stimare il livello di corrispondenza tra i valori di entrambe le variabili.
In questo articolo troverai:
Qual è il coefficiente di correlazione di Pearson?
Il coefficiente di correlazione di Pearson è una misura della corrispondenza o relazione lineare tra due variabili quantitative casuali. In parole più semplici, può essere definito come un indice utilizzato per misurare il grado di relazione tra due variabili, entrambe quantitative.
Annunci
Avendo due variabili, la correlazione facilita la stima del valore di una di esse, con la conoscenza del valore dell'altra variabile.
Questo coefficiente è una misura che indica la situazione relativa degli eventi rispetto alle due variabili, è ovvero rappresenta l'espressione numerica che indica il grado di corrispondenza o relazione che esiste tra il 2 variabili. Questi numeri variano tra i limiti di +1 e -1.
Annunci
Come viene calcolato?
Per avere una guida che permetta:
- Stabilire la variazione contigua delle due variabili
- Confronta i diversi casi tra loro
Per fare ciò si utilizza il coefficiente di correlazione di Pearson, definito come la covarianza che si verifica tra due variabili standardizzate e si calcola con la seguente espressione:
Annunci
Come interpreta il coefficiente di correlazione di Pearson?
La sua dimensione indica il livello di associazione tra le variabili.
Annunci
- Quando è minore di zero (r <0) Si dice che esiste una correlazione negativa: Le variabili sono correlate in senso inverso.
Valori alti in una delle variabili di solito corrispondono a valori bassi nell'altra variabile e viceversa. Più il valore è vicino a -1 detto coefficiente di correlazione, più evidente sarà la covarianza estrema.
Se r = -1, si parla di correlazione perfetta negativa, che suppone una determinazione assoluta tra entrambe le variabili, in senso diretto coesiste una relazione lineare perfetta con pendenza negativa.
- Quando è maggiore di zero (r> 0) Si dice che esiste una correlazione positiva: entrambe le variabili sono correlate in senso diretto.
Valori alti in una delle variabili corrispondono a valori alti nell'altra variabile, e in una situazione inversa lo stesso avviene con valori bassi. Più vicino a +1 è il coefficiente di correlazione, più evidente sarà la covarianza.
Se r = 1 Si parla di correlazione perfetta positiva, che suppone una determinazione assoluta tra le variabili, in senso diretto coesiste una relazione lineare perfetta con pendenza positiva).
- Quando è uguale a zero (r = 0) Si dice che le variabili sono erroneamente correlate, non è possibile stabilire un qualche senso di covarianza.
Non esiste una relazione lineare, ma ciò non implica necessariamente che le variabili siano indipendenti e potrebbero esserci relazioni non lineari tra le variabili.
Quando le due variabili sono indipendenti si dice che non sono correlate, sebbene il risultato di reciprocità non sia necessariamente vero.
Per concludere, si può dire che sembra più difficile di quanto non sia, soprattutto se si dispone della tecnologia. avanzato, poiché oggi ci sono più programmi che facilitano questo compito di calcolo e interpretazione Pearson.
