Calcolo di r per un piccolo insieme di dati

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

Calcola le medie $\bar{x}$ e $\bar{y}$: $\bar{x} = \frac{1+2+3+4+5}{5} = 3$, $\bar{y} = \frac{2+4+5+4+5}{5} = 4$ = $\bar{x} = 3$, $\bar{y} = 4$

Calcola le deviazioni $(x_i - \bar{x})$ e $(y_i - \bar{y})$: Punto $(1,2)$: $(-2, -2)$ Punto $(2,4)$: $(-1, 0)$ Punto $(3,5)$: $(0, 1)$ Punto $(4,4)$: $(1, 0)$ Punto $(5,5)$: $(2, 1)$ = Deviazioni calcolate

Calcola i prodotti $(x_i - \bar{x})(y_i - \bar{y})$: $(-2)(-2) = 4$ $(-1)(0) = 0$ $(0)(1) = 0$ $(1)(0) = 0$ $(2)(1) = 2$ Somma $= 4 + 0 + 0 + 0 + 2 = 6$ = $\sum(x_i - \bar{x})(y_i - \bar{y}) = 6$

Calcola $\sum(x_i - \bar{x})^2$: $(-2)^2 + (-1)^2 + 0^2 + 1^2 + 2^2 = 4 + 1 + 0 + 1 + 4 = 10$ = $\sum(x_i - \bar{x})^2 = 10$

Calcola $\sum(y_i - \bar{y})^2$: $(-2)^2 + 0^2 + 1^2 + 0^2 + 1^2 = 4 + 0 + 1 + 0 + 1 = 6$ = $\sum(y_i - \bar{y})^2 = 6$

Applica la formula: $r = \frac{6}{\sqrt{10 \cdot 6}} = \frac{6}{\sqrt{60}} = \frac{6}{7,746} \approx 0,775$ = $r \approx 0,77$

Answer: $r \approx 0,77$ (forte correlazione positiva)

Interpretazione dei valori di correlazione

Uno studio trova $r = -0,82$ tra le ore di televisione guardate al giorno e i voti agli esami. Interpreta questo risultato.

Identifica il segno: $r = -0,82$ è negativo = Correlazione negativa (quando una aumenta, l'altra diminuisce)

Valuta la forza usando $|r|$: $|{-0,82}| = 0,82$, che è nell'intervallo $0,80 - 1,00$ = Correlazione molto forte

Interpreta nel contesto: Gli studenti che guardano più televisione tendono ad avere voti più bassi = Forte relazione inversa

Aggiungi le dovute cautele: Correlazione non implica causalità. Altri fattori potrebbero spiegare entrambe le variabili. = Associazione, non causalità

Answer: C'è una correlazione negativa molto forte ($r = -0,82$). Gli studenti che guardano più televisione tendono ad avere voti più bassi, ma questa associazione non dimostra che la televisione causi voti bassi.

Calcolo del coefficiente di determinazione

Se $r = 0,80$ tra le ore di studio e i voti, quale percentuale della varianza nei voti è spiegata dalle ore di studio?

Eleva al quadrato il coefficiente di correlazione: $r^2 = (0,80)^2 = 0,64$ = $r^2 = 0,64$

Converti in percentuale: $0,64 \times 100 = 64\%$ = 64% della varianza spiegata

Interpreta il risultato: Il 64% della variazione nei voti può essere attribuito alle ore di studio = Forte potere esplicativo

Answer: $r^2 = 0,64 = 64\%$. Questo significa che il 64% della varianza nei voti è spiegata dalla relazione lineare con le ore di studio. Il restante 36% è dovuto ad altri fattori.

Mistake: Assumere che correlazione implichi causalità

Why: Una forte correlazione tra $A$ e $B$ non significa che $A$ causi $B$. Potrebbe esserci una terza variabile che influenza entrambe, o la relazione potrebbe essere casuale.

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

Mistake: Ignorare i valori anomali nell'interpretazione di $r$

Why: Un singolo valore anomalo può cambiare drasticamente il coefficiente di correlazione. $r$ è sensibile ai valori estremi.

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

Mistake: Usare $r$ per relazioni non lineari

Why: $r$ misura solo relazioni lineari. Un pattern curvo perfetto potrebbe avere $r = 0$.

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

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.

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

Ricerca medica

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

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

Q: Qual è la differenza tra correlazione e causalità?

A: 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.

Q: $r$ può essere maggiore di 1 o minore di -1?

A: No. Per definizione matematica, $r$ è sempre compreso tra $-1$ e $1$. Se calcoli un valore al di fuori di questo intervallo, c'è un errore nei tuoi calcoli.

Q: Cosa significa $r = 0$?

A: $r = 0$ 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).