La corrélation entre deux variables décrit la probabilité qu'un changement dans une variable provoque un changement proportionnel dans l'autre variable. Une forte corrélation entre deux variables suggère qu'elles partagent une cause commune ou qu'un changement dans l'une des variables est directement responsable d'un changement dans l'autre variable. La valeur r de Pearson est utilisée pour quantifier la corrélation entre deux variables discrètes.

Étiquetez la variable qui, selon vous, provoque la modification de l'autre variable en x (variable indépendante) et l'autre variable y (variable dépendante) ).

Construire une table avec cinq colonnes et autant de lignes qu'il y a de points de données pour x et y. Étiquetez les colonnes A à E de gauche à droite.

Remplissez chaque ligne avec les valeurs suivantes pour chaque point de données (x, y) dans la première colonne - la valeur de x dans la colonne A, la valeur de x au carré dans la colonne B, la valeur de y dans la colonne C, la valeur de y au carré dans la colonne D et la valeur x fois y dans la colonne E.

Faire une dernière rangée tout en bas du tableau et mettez la somme de toutes les valeurs de chaque colonne dans la cellule correspondante.

Calculez le produit des cellules finales dans la colonne A et C.

Multipliez la cellule finale de la colonne E par la colonne

Soustraire la valeur obtenue à l'étape 5 de la valeur obtenue à l'étape 6 et souligner la réponse.

Multiplier la cellule finale de la colonne B par le nombre de points de données. Soustrayez de cette valeur le carré de la valeur de la cellule finale de la colonne A.

Multipliez la cellule finale de la colonne D par le nombre de points de données et soustrayez le carré de la valeur de la cellule finale de la colonne C

Multiplier les valeurs trouvées aux étapes 8 et 9 et prendre la racine carrée du résultat.

Diviser la valeur obtenue à l'étape 7 (elle doit être soulignée) par la valeur obtenue à l'étape 10. C'est le r de Pearson, également connu sous le nom de coefficient de corrélation. Si r est proche de 1, il existe une forte corrélation positive. Si r est proche de -1, il existe une forte corrélation négative. Si r est proche de 0, il y a une faible corrélation.