A correlação entre duas variáveis ​​descreve a probabilidade de que uma mudança em uma variável cause uma mudança proporcional na outra variável. Uma alta correlação entre duas variáveis ​​sugere que elas compartilham uma causa comum ou que uma mudança em uma das variáveis ​​é diretamente responsável por uma mudança na outra variável. O valor r de Pearson é usado para quantificar a correlação entre duas variáveis ​​discretas.

Identifique a variável que você acredita estar causando a mudança para a outra variável como x (a variável independente) e a outra variável y (a variável dependente

Construa uma tabela com cinco colunas e quantas linhas houver pontos de dados para x e y. Rotule as colunas de A a E da esquerda para a direita.

Preencha cada linha com os seguintes valores para cada ponto de dados (x, y) na primeira coluna - o valor de x na Coluna A, o valor de x ao quadrado na Coluna B, o valor de y na Coluna C, o valor de y ao quadrado na Coluna Deo valor x vezes y na Coluna E.

Faça uma linha final na parte inferior da tabela e coloque a soma de todos os valores de cada coluna em sua célula correspondente.

Calcule o produto das células finais na Coluna A e C.

Multiplique a célula final na Coluna E pelo número de pontos de dados.

Subtraia o valor obtido na Etapa 5 do valor obtido na Etapa 6 e sublinhe a resposta.

Multiplique a célula final da Coluna B pelo número de pontos de dados. Subtrair desse valor o quadrado do valor da célula final da Coluna A.

Multiplique a célula final da Coluna D pelo número de pontos de dados e subtraia o quadrado do valor da célula final da Coluna C

Multiplique os valores encontrados nas Etapas 8 e 9 juntos e, em seguida, obtenha a raiz quadrada do resultado.

Divida o valor obtido na Etapa 7 (deve ser sublinhado) pelo valor obtido. na etapa 10. Este é o coeficiente de correlação de Pearson, também conhecido como coeficiente de correlação. Se r é próximo de 1, existe uma forte correlação positiva. Se r é próximo de -1, há uma forte correlação negativa. Se r é próximo de 0, existe uma correlação fraca.