11.1
In statistica, se i valori di una variabile si muovono in relazione con i valori dell'altra variabile, si dice che le due variabili hanno una correlazione.
Si consideri il grafico a dispersione delle vendite di gelato in funzione della temperatura, che mostra un modello lineare distinto.
Poiché le vendite di gelati aumentano con la temperatura, queste variabili hanno una correlazione positiva.
Ora, considera il grafico a dispersione delle vendite di cioccolata calda in funzione della temperatura. Anche i punti dati in questo caso hanno un modello lineare e quindi hanno una correlazione.
Ma le vendite di cioccolata calda diminuiscono con l'aumento della temperatura, quindi le variabili hanno una correlazione negativa.
Oltre a quello lineare, nella vita reale si possono osservare anche altri modelli. Ad esempio, con il passare del tempo, c'è un aumento esponenziale dei casi di COVID prima di raggiungere un plateau. Quindi questa è una correlazione positiva non lineare.
Ci possono essere casi in cui non c'è correlazione tra le due variabili. Ad esempio, il numero di film guardati non ha alcuna correlazione con il numero di scarpe.
In statistica, due variabili si dicono correlate se i valori di una variabile sono associati all’altra variabile. A seconda della relazione tra due variabili, la correlazione può essere di tre tipi: correlazione positiva, correlazione negativa e correlazione uguale a zero.
Due variabili, ad esempio A e B, si dicono correlate positivamente se entrambe si muovono nella stessa direzione. In altre parole, esiste una correlazione positiva tra due variabili, a e b, se:
In una correlazione negativa, una variabile, a, diminuisce mentre l’altra variabile, b, aumenta e viceversa. Ad esempio, l'altitudine e la temperatura sono correlate negativamente poiché la temperatura diminuisce con l'aumento dell'altitudine.
Inoltre, quando due variabili non mostrano alcuna relazione, si dice che tra loro vi sia correlazione zero. Ad esempio, non esiste alcuna relazione tra il numero di canzoni ascoltate dagli individui e la loro altezza.
Inoltre, la correlazione può essere lineare o non lineare. Una relazione lineare è quella in cui una linea retta mostra la correlazione tra due variabili. Una relazione esponenziale è un esempio di correlazione non lineare.
In statistica, se i valori di una variabile si muovono in relazione con i valori dell'altra variabile, si dice che le due variabili hanno una correlazione.
Si consideri il grafico a dispersione delle vendite di gelato in funzione della temperatura, che mostra un modello lineare distinto.
Poiché le vendite di gelati aumentano con la temperatura, queste variabili hanno una correlazione positiva.
Ora, considera il grafico a dispersione delle vendite di cioccolata calda in funzione della temperatura. Anche i punti dati in questo caso hanno un modello lineare e quindi hanno una correlazione.
Ma le vendite di cioccolata calda diminuiscono con l'aumento della temperatura, quindi le variabili hanno una correlazione negativa.
Oltre a quello lineare, nella vita reale si possono osservare anche altri modelli. Ad esempio, con il passare del tempo, c'è un aumento esponenziale dei casi di COVID prima di raggiungere un plateau. Quindi questa è una correlazione positiva non lineare.
Ci possono essere casi in cui non c'è correlazione tra le due variabili. Ad esempio, il numero di film guardati non ha alcuna correlazione con il numero di scarpe.
From Chapter 11:
Now Playing
Correlation and Regression
12.7K Views
Correlation and Regression
8.0K Views
Correlation and Regression
6.7K Views
Correlation and Regression
7.7K Views
Correlation and Regression
5.4K Views
Correlation and Regression
7.4K Views
Correlation and Regression
4.9K Views
Correlation and Regression
6.5K Views
Correlation and Regression
2.6K Views
Correlation and Regression
3.6K Views