La corrélation entre deux variables décrit la probabilité qu'un changement dans une variable provoque un changement proportionnel dans l'autre variable. Une forte corrélation entre deux variables suggère qu'elles partagent une cause commune ou qu'un changement dans l'une des variables est directement responsable d'un changement dans l'autre variable. La valeur de pearsons r est utilisée pour quantifier la corrélation entre deux variables discrètes.
Nommez la variable qui, selon vous, est à l'origine de la modification de l'autre variable sous la forme x (la variable indépendante) et l'autre variable y (la variable dépendante).
Construisez une table avec cinq colonnes et autant de lignes qu'il y a de points de données pour x et y. Étiquetez les colonnes A à E de gauche à droite.
Remplissez chaque ligne avec les valeurs suivantes pour chaque point de données (x, y) 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 y au carré dans la colonne D et la valeur x fois y dans la colonne E.
Faites une dernière ligne tout en bas du tableau et mettez la somme de toutes les valeurs de chaque colonne dans la cellule correspondante.
Calculez le produit des cellules finales dans les colonnes A et C.
Multipliez la dernière cellule de la colonne E par le nombre de points de données.
Soustrayez la valeur obtenue à l'étape 5 de celle obtenue à l'étape 6 et soulignez la réponse.
Multipliez la dernière cellule de la colonne B par le nombre de points de données. Soustrayez de cette valeur le 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 soustrayez le carré de la valeur de la dernière cellule de la colonne C.
Multipliez les valeurs trouvées aux étapes 8 et 9, puis prenez la racine carrée du résultat.
Divisez la valeur obtenue à l'étape 7 (il convient de la souligner) par la valeur obtenue à l'étape 10. Il s'agit de Pearsons r, également appelé coefficient de corrélation. Si r est proche de 1, il existe une forte corrélation positive. Si r est proche de -1, il existe une forte corrélation négative. Si r est proche de 0, la corrélation est faible.