La correlación entre dos variables describe la probabilidad de que un cambio en una variable cause un cambio proporcional en la otra variable. Una alta correlación entre dos variables sugiere que comparten una causa común o un cambio en una de las variables es directamente responsable de un cambio en la otra variable. El valor r de Pearson se usa para cuantificar la correlación entre dos variables discretas.
Etiquete la variable que cree que está causando el cambio en la otra variable como x (la variable independiente) y la otra variable y (la variable dependiente) ).
Construya una tabla con cinco columnas y tantas filas como puntos de datos para xey. Etiquete las columnas de la A a la E de izquierda a derecha.
Rellene cada fila con los siguientes valores para cada punto de datos (x, y) en la primera columna: el valor de x en la columna A, el valor de x al cuadrado en la columna B, el valor de y en la columna C, el valor de y al cuadrado en la columna D y el valor x veces y en la columna E.
Haz una fila final en la parte inferior de la tabla y ponga la suma de todos los valores de cada columna en su celda correspondiente.
Calcule el producto de las celdas finales en la Columna A y C.
Multiplique la celda final en la Columna E por la número de puntos de datos.
Reste el valor obtenido en el Paso 5 del valor obtenido en el Paso 6 y subraye la respuesta.
Multiplique la celda final de la Columna B por el número de puntos de datos. Reste de este valor el cuadrado del valor de la celda final de la Columna A.
Multiplique la celda final de la Columna D por el número de puntos de datos y reste el cuadrado del valor de la celda final de la Columna C .
Multiplique los valores encontrados en los pasos 8 y 9 juntos y luego tome la raíz cuadrada del resultado.
Divida el valor obtenido en el paso 7 (debe estar subrayado) por el valor obtenido en el Paso 10. Este es el r de Pearson, también conocido como el coeficiente de correlación. Si r es cercano a 1, hay una fuerte correlación positiva. Si r es cercano a -1, existe una fuerte correlación negativa. Si r es cercano a 0, existe una correlación débil.
