Coefficiente di correlazione

Impara a misurare la forza e la direzione di una relazione lineare tra due variabili usando il coefficiente di correlazione r.

Avanzato25 minLezione
Scheda da stampare

Definizione

Il coefficiente di correlazione (indicato con rr) misura la forza e la direzione di una relazione lineare tra due variabili.
r=∑(xi−xˉ)(yi−yˉ)∑(xi−xˉ)2⋅∑(yi−yˉ)2r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}}
**Proprietà chiave di rr:**
  • rr è sempre compreso tra −1-1 e 11: −1≤r≤1-1 \le r \le 1
  • r=1r = 1: Correlazione positiva perfetta
  • r=−1r = -1: Correlazione negativa perfetta
  • r=0r = 0: Nessuna correlazione lineare
**Interpretazione di ∣r∣|r|:**
Valore di $rForza
0,00−0,190,00 - 0,19Molto debole
0,20−0,390,20 - 0,39Debole
0,40−0,590,40 - 0,59Moderata
0,60−0,790,60 - 0,79Forte
0,80−1,000,80 - 1,00Molto forte

Prova subito

Cosa indica un coefficiente di correlazione di r=1r = 1?

Esempi svolti

Trova il coefficiente di correlazione per i dati: (1,2),(2,4),(3,5),(4,4),(5,5)(1, 2), (2, 4), (3, 5), (4, 4), (5, 5)
1

Calcola le medie xˉ\bar{x} e yˉ\bar{y}

xˉ=1+2+3+4+55=3\bar{x} = \frac{1+2+3+4+5}{5} = 3, yˉ=2+4+5+4+55=4\bar{y} = \frac{2+4+5+4+5}{5} = 4 → xˉ=3\bar{x} = 3, yˉ=4\bar{y} = 4
2

Calcola le deviazioni (xi−xˉ)(x_i - \bar{x}) e (yi−yˉ)(y_i - \bar{y})

Punto (1,2)(1,2): (−2,−2)(-2, -2) Punto (2,4)(2,4): (−1,0)(-1, 0) Punto (3,5)(3,5): (0,1)(0, 1) Punto (4,4)(4,4): (1,0)(1, 0) Punto (5,5)(5,5): (2,1)(2, 1) → Deviazioni calcolate
3

Calcola i prodotti (xi−xˉ)(yi−yˉ)(x_i - \bar{x})(y_i - \bar{y})

(−2)(−2)=4(-2)(-2) = 4 (−1)(0)=0(-1)(0) = 0 (0)(1)=0(0)(1) = 0 (1)(0)=0(1)(0) = 0 (2)(1)=2(2)(1) = 2 Somma =4+0+0+0+2=6= 4 + 0 + 0 + 0 + 2 = 6 → ∑(xi−xˉ)(yi−yˉ)=6\sum(x_i - \bar{x})(y_i - \bar{y}) = 6
4

Calcola ∑(xi−xˉ)2\sum(x_i - \bar{x})^2

(−2)2+(−1)2+02+12+22=4+1+0+1+4=10(-2)^2 + (-1)^2 + 0^2 + 1^2 + 2^2 = 4 + 1 + 0 + 1 + 4 = 10 → ∑(xi−xˉ)2=10\sum(x_i - \bar{x})^2 = 10
5

Calcola ∑(yi−yˉ)2\sum(y_i - \bar{y})^2

(−2)2+02+12+02+12=4+0+1+0+1=6(-2)^2 + 0^2 + 1^2 + 0^2 + 1^2 = 4 + 0 + 1 + 0 + 1 = 6 → ∑(yi−yˉ)2=6\sum(y_i - \bar{y})^2 = 6
6

Applica la formula

r=610⋅6=660=67,746≈0,775r = \frac{6}{\sqrt{10 \cdot 6}} = \frac{6}{\sqrt{60}} = \frac{6}{7,746} \approx 0,775 → r≈0,77r \approx 0,77

Errori comuni

Assumere che correlazione implichi causalità

Perché è sbagliato: Una forte correlazione tra AA e BB non significa che AA causi BB. Potrebbe esserci una terza variabile che influenza entrambe, o la relazione potrebbe essere casuale.

Corretto: Di' sempre "associato a" o "correlato con" invece di "causa". Cerca prove sperimentali per stabilire la causalità.

Ignorare i valori anomali nell'interpretazione di rr

Perché è sbagliato: Un singolo valore anomalo può cambiare drasticamente il coefficiente di correlazione. rr è sensibile ai valori estremi.

Corretto: Traccia sempre prima i dati. Cerca valori anomali e considera di calcolare rr con e senza di essi.

Usare rr per relazioni non lineari

Perché è sbagliato: rr misura solo relazioni lineari. Un pattern curvo perfetto potrebbe avere r=0r = 0.

Corretto: Esamina il diagramma a dispersione. Se il pattern è curvo, rr non è la misura giusta. Considera trasformazioni o modelli non lineari.

Visuale interattivo

Grafico a dispersione

Dati: (1, 2), (2, 4), (3, 5), (4, 4), (5, 5)

123452345xy

ŷ = 0,6x + 2,2

r = 0,775 · correlazione positiva forte

Tocca un punto per vedere le sue coordinate.

Sandbox interattivo

Calcolatrice di espressioni

Prova questi:

Cronologia

Ancora nessun calcolo

Esercizi pratici

16 esercizi
Problema 1 di 16
Facile
Cosa indica un coefficiente di correlazione di r=1r = 1?

Perché è importante

Il coefficiente di correlazione è fondamentale nell'analisi dei dati:
  • Scienza: I ricercatori misurano quanto fortemente variabili come temperatura e vendite di gelato sono correlate
  • Finanza: Gli analisti monitorano come i prezzi delle azioni si muovono insieme (diversificazione del portafoglio)
  • Medicina: I medici studiano le relazioni tra fattori di rischio e risultati sanitari
  • Sport: Gli allenatori analizzano quali statistiche predicono meglio il successo della squadra
Capire rr ti aiuta a:
  • Quantificare relazioni che "sembrano" lineari nei diagrammi a dispersione
  • Fare previsioni usando l'analisi di regressione
  • Valutare l'affidabilità dei modelli statistici
  • Comunicare risultati con precisione ("forte correlazione positiva" vs "debole correlazione negativa")

Applicazioni nel mondo reale

Diversificazione del mercato azionario

Gli analisti degli investimenti usano la correlazione per costruire portafogli diversificati. Le azioni con correlazione bassa o negativa bilanciano il rischio.

Esempio:

Se l'azione A e l'azione B hanno r=−0,3r = -0,3, quando A scende, B tende a salire leggermente, riducendo la volatilità del portafoglio.

1Provaci tu stesso

Due azioni tecnologiche hanno r=0,92r = 0,92. Due azioni di settori diversi hanno r=0,15r = 0,15.

Quale coppia fornisce una migliore diversificazione?

Passo 1: Scrivi l'espressione matematica

Confronta: ∣0,92∣|0,92| vs ∣0,15∣|0,15|

Ricerca medica

I ricercatori usano la correlazione per identificare potenziali fattori di rischio per le malattie.

Esempio:

Uno studio trova r=0,68r = 0,68 tra la pressione sanguigna e il rischio di malattie cardiache, indicando una forte relazione positiva.

2Provaci tu stesso

Tre fattori di salute mostrano correlazioni con il rischio di diabete: Esercizio (r=−0,45r = -0,45), Consumo di zucchero (r=0,52r = 0,52), Qualità del sonno (r=−0,31r = -0,31).

Quale fattore ha la relazione più forte con il rischio di diabete?

Passo 1: Scrivi l'espressione matematica

Confronta i valori assoluti: ∣−0,45∣|-0,45|, ∣0,52∣|0,52|, ∣−0,31∣|-0,31|

Punti chiave

  • 1Il coefficiente di correlazione rr misura la forza e la direzione di una relazione lineare
  • 2rr va da −1-1 (negativo perfetto) a +1+1 (positivo perfetto), con 00 che indica nessuna relazione lineare
  • 3Il valore assoluto ∣r∣|r| indica la forza: più vicino a 11 è più forte, più vicino a 00 è più debole
  • 4Visualizza sempre i dati con un diagramma a dispersione prima di interpretare rr
  • 5Correlazione non implica causalità - l'associazione non è la stessa cosa di causa ed effetto

Domande frequenti

La correlazione mostra che due variabili si muovono insieme, ma la causalità significa che una variabile causa direttamente cambiamenti nell'altra. Le vendite di gelato e gli annegamenti sono correlati (entrambi aumentano in estate), ma il gelato non causa annegamenti - il caldo influenza entrambi.
La correlazione mostra che due variabili si muovono insieme, ma la causalità significa che una variabile causa direttamente cambiamenti nell'altra. Le vendite di gelato e gli annegamenti sono correlati (entrambi aumentano in estate), ma il gelato non causa annegamenti - il caldo influenza entrambi.
No. Per definizione matematica, rr è sempre compreso tra −1-1 e 11. Se calcoli un valore al di fuori di questo intervallo, c'è un errore nei tuoi calcoli.
r=0r = 0 significa che non c'è relazione lineare tra le variabili. Tuttavia, potrebbe ancora esserci una relazione non lineare (come una parabola o una curva sinusoidale).

Glossario

Coefficiente di correlazione (rr)
Una misura numerica da −1-1 a +1+1 che quantifica la forza e la direzione di una relazione lineare tra due variabili
Correlazione positiva
Quando r>0r > 0: all'aumentare di una variabile, l'altra tende ad aumentare
Correlazione negativa
Quando r<0r < 0: all'aumentare di una variabile, l'altra tende a diminuire
Correlazione di Pearson
Il tipo più comune di coefficiente di correlazione, che misura le relazioni lineari (chiamato anche rr di Pearson)
Diagramma a dispersione
Un grafico che mostra punti per dati accoppiati, usato per visualizzare le relazioni tra variabili

Scheda formule

Formula del coefficiente di correlazione

r=∑(xi−xˉ)(yi−yˉ)∑(xi−xˉ)2⋅∑(yi−yˉ)2r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}}

Forma alternativa: $r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}$

Sfida di oggiUn problema, tre tentativi

Altro su questo argomento

Introduzione alla correlazione

Intermedio25 min

Interpretare la correlazione

Intermedio25 min

Correlazione e causalità

Intermedio25 min

Problemi sulla correlazione

Avanzato35 min