Corelație

Introducere în Statistică

George Boorman

Curriculum Manager, DataCamp

Relații între două variabile

diagrama_de_dispersie_costul_lunar_al_salii_de_sport_vs_costul_unei_sticle_de_apa.png

Coeficientul de corelație Pearson

Publicat de Karl Pearson în 1896!
Cuantifică intensitatea relației dintre două variabile
Număr între minus unu și unu
Mărimea corespunde intensității relației
Semnul (+ sau -) corespunde direcției relației

¹ https://royalsocietypublishing.org/doi/10.1098/rsta.1896.0007

Relații liniare

Liniar = variații proporționale între variabilele dependentă și independentă

diagrama_de_dispersie_costuri_sala_vs_apa_cu_adnotari_si_coeficient_de_corelatie_egal_zero_virgula_trei_sase.png

Valori = intensitatea relației

0,99 (relație foarte puternică)

Diagrama de dispersie cu puncte foarte aproape de o linie invizibilă.png

Valori = intensitatea relației

0,99 (relație foarte puternică)

Diagrama de dispersie cu puncte foarte aproape de o linie invizibilă.png

0,75 (relație puternică)

Diagrama de dispersie cu puncte mai departe de linia invizibilă.png

Valori = intensitatea relației

0,56 (relație moderată)

Diagrama de dispersie cu puncte și mai departe de linia invizibilă.png

Valori = intensitatea relației

0,56 (relație moderată)

Diagrama de dispersie cu puncte și mai departe de linia invizibilă.png

0,21 (relație slabă)

Diagrama de dispersie cu puncte distribuite aproape aleatoriu.png

Valori = intensitatea relației

0,04 (nicio relație)

Diagrama de dispersie cu puncte distribuite complet aleatoriu.png

Valoarea lui x nu ne spune nimic despre y

Semn = direcție

0,75: când x crește, y crește

Diagrama de dispersie în care y crește odată cu x.png

-0,75: când x crește, y scade

Diagrama de dispersie în care y scade când x crește.png

Costuri sală vs. costuri apă

diagrama_de_dispersie_costul_lunar_al_salii_de_sport_vs_costul_unei_sticle_de_apa.png

Adăugarea unei linii de tendință

diagrama_de_dispersie_costul_lunar_al_salii_de_sport_vs_costul_unei_sticle_de_apa_cu_linie_de_tendinta_si_p_egal_zero_virgula_trei_cinci.png

Speranța de viață vs. costul unei sticle de apă

diagrama_de_dispersie_speranta_de_viata_vs_costul_unei_sticle_de_apa_cu_linie_de_tendinta_si_p_egal_zero_virgula_sase_unu.png

Corelația nu înseamnă cauzalitate

Creșterea prețului apei va duce la creșterea speranței de viață?

Corelația nu înseamnă cauzalitate

¹ Image credit: https://unsplash.com/@micheile; https://unsplash.com/@jon_chng

Variabile de confuzie

Ce altceva ar putea influența speranța de viață?
- Apa costă mai mult în țările cu economii puternice
- Aceste țări oferă, în general, acces la servicii medicale de calitate
Puterea economiei ar putea fi o variabilă de confuzie
- O variabilă de confuzie nu este măsurată, dar poate afecta relația dintre variabilele noastre

Să exersăm!

Introducere în Statistică