La corrélation entre deux variables décrivant la probabilité qu`un changement d`une variable provoque une variation proportionnelle de l`autre variable. Une forte corrélation entre les deux variables suggère qu`ils partagent une cause commune ou un changement dans l`une des variables est directement responsable d`un changement dans l`autre variable. r la valeur de Pearson est utilisé pour quantifier la corrélation entre deux variables discrètes.
Choses que vous devez
- Calculatrice
Marquez la variable que vous croyez est à l`origine du changement à l`autre variable x (la variable indépendante) et l`autre variable y (la variable dépendante).
Construire une table avec cinq colonnes et autant de lignes qu`il y a de points de données pour x et y. Etiqueter les colonnes A à E de gauche à droite.
Remplissez chaque ligne avec les valeurs suivantes pour chaque (x, y) point de données dans la première colonne - la valeur de x dans la colonne A, la valeur de x au carré dans la colonne B, la valeur de y dans la colonne C, la valeur de y carré dans la colonne D et les temps valeur de x y dans la colonne E.
Faire une dernière ligne au bas de la table et de mettre la somme de toutes les valeurs de chaque colonne dans sa cellule correspondante.
Calculer le produit des cellules finales dans la colonne A et C.
Multiplier la cellule finale dans la colonne E par le nombre de points de données.
Soustraire la valeur obtenue à l`étape 5 de la valeur obtenue à l`étape 6 et de souligner la réponse.
Multiplier la dernière cellule de la colonne B par le nombre de points de données. Soustraire de cette valeur au carré de la valeur de la dernière cellule de la colonne A.
Multipliez la dernière cellule de la colonne D par le nombre de points de données et de soustraire le carré de la valeur de la dernière cellule de la colonne C.
Multiplier les valeurs trouvées dans l`étape 8 et 9 ensemble, puis prendre la racine carrée du résultat.
Diviser la valeur obtenue à l`étape 7 (il convient de souligner) par la valeur obtenue à l`étape 10. Ceci est r de Pearson, également connu sous le coefficient de corrélation. Si r est proche de 1, il existe une forte corrélation positive. Si r est proche de -1, il y a une forte corrélation négative. Si r est proche de 0, il existe une corrélation faible.
