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 ) misura la forza e la direzione di una relazione lineare tra due variabili.
**Proprietà chiave di :**
  • è sempre compreso tra e :
  • : Correlazione positiva perfetta
  • : Correlazione negativa perfetta
  • : Nessuna correlazione lineare
**Interpretazione di :**
Valore di $rForza
Molto debole
Debole
Moderata
Forte
Molto forte

Prova subito

Cosa indica un coefficiente di correlazione di ?

Esempi svolti

Trova il coefficiente di correlazione per i dati:

1

Calcola le medie e

, → ,

2

Calcola le deviazioni e

Punto : Punto : Punto : Punto : Punto : → Deviazioni calcolate

3

Calcola i prodotti

Somma →

4

Calcola

→

5

Calcola

→

6

Applica la formula

→

Errori comuni

Assumere che correlazione implichi causalità

Perché è sbagliato: Una forte correlazione tra e non significa che causi . 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

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

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

Usare per relazioni non lineari

Perché è sbagliato: misura solo relazioni lineari. Un pattern curvo perfetto potrebbe avere .

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

Visuale interattivo

Esplora funzioni lineari

y = x
Pendenza (m)1
Intercetta Y (b)0
b
corsa
salita

Grafico a barre

Part A(25%)
Part B(35%)
Part C(20%)
Part D(20%)

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 ?

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 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 , quando A scende, B tende a salire leggermente, riducendo la volatilità del portafoglio.

1Provaci tu stesso

Due azioni tecnologiche hanno . Due azioni di settori diversi hanno .

Quale coppia fornisce una migliore diversificazione?

Passo 1: Scrivi l'espressione matematica

Confronta: vs

Ricerca medica

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

Esempio:

Uno studio trova 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 (), Consumo di zucchero (), Qualità del sonno ().

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

Passo 1: Scrivi l'espressione matematica

Confronta i valori assoluti: , ,

Punti chiave

  • 1Il coefficiente di correlazione misura la forza e la direzione di una relazione lineare
  • 2 va da (negativo perfetto) a (positivo perfetto), con che indica nessuna relazione lineare
  • 3Il valore assoluto indica la forza: più vicino a è più forte, più vicino a è più debole
  • 4Visualizza sempre i dati con un diagramma a dispersione prima di interpretare
  • 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, è sempre compreso tra e . Se calcoli un valore al di fuori di questo intervallo, c'è un errore nei tuoi calcoli.
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 ()
Una misura numerica da a che quantifica la forza e la direzione di una relazione lineare tra due variabili
Correlazione positiva
Quando : all'aumentare di una variabile, l'altra tende ad aumentare
Correlazione negativa
Quando : 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 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

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

Altro su questo argomento

Introduzione alla correlazione

Intermedio25 min