Por Peter Flom • Atualizado em 30 de agosto de 2022

As variáveis interagem de diversas maneiras e muitas dessas interações podem ser descritas matematicamente. Um gráfico de dispersão geralmente visualiza a natureza de um relacionamento, enquanto testes estatísticos confirmam sua importância.

Relacionamentos positivos versus negativos

Quando uma variável aumenta a outra também tende a aumentar, temos uma relação positiva. A altura e o peso ilustram isso:indivíduos mais altos costumam pesar mais. Em contraste, uma relação negativa significa que à medida que uma variável aumenta, a outra diminui. O consumo de combustível versus peso do veículo é um exemplo clássico – carros mais pesados ​​tendem a ter menor eficiência de combustível.

Relações Lineares vs. Não Lineares

As relações lineares podem ser capturadas por uma linha reta. A quantidade de tinta necessária para cobrir uma parede está linearmente relacionada com a área da superfície da parede; dobrar a área dobra a tinta necessária.

As relações não lineares não podem ser expressas por uma linha reta. A altura e o peso humanos apresentam um padrão não linear:duplicar a altura mais do que duplica o peso, por isso um adulto de um metro e oitenta raramente pesa apenas 45 quilos.

Relacionamentos Monotônicos vs. Não Monotônicos

Uma relação monotônica mantém a mesma direção – sempre positiva ou sempre negativa – em todos os níveis das variáveis. Os exemplos acima são monotônicos. Uma relação não monotónica, contudo, muda de direção; por exemplo, o desempenho muitas vezes atinge o pico em níveis moderados de estresse e diminui quando o estresse é muito baixo ou muito alto.

Relacionamentos fortes versus fracos

A força de um relacionamento reflete o quão bem um modelo matemático simples se ajusta aos dados. A correlação entre pintura e área de parede é forte – a maior parte da variabilidade no volume de tinta é explicada pelo tamanho da parede. Em contrapartida, a correlação altura-peso é mais fraca; muitos outros fatores influenciam o peso corporal.

Ferramentas estatísticas – como coeficientes de correlação, análise de regressão e testes de hipóteses – quantificam essas relações e ajudam os pesquisadores a avaliar sua confiabilidade.