Calculadora de correlação de Pearson

O coeficiente de correlação de Pearson mede a direção e a força de uma relação linear entre duas variáveis quantitativas. Costuma ser escrito como r e varia de menos um a mais um. Um coeficiente positivo indica que valores maiores de X tendem a ocorrer com valores maiores de Y; um negativo indica que valores maiores de X tendem a ocorrer com valores menores de Y. Um valor próximo de zero indica pouca associação linear, embora possa existir um padrão não linear forte. O cálculo centraliza cada observação subtraindo a média da variável. Soma os produtos dos desvios pareados e divide pela raiz quadrada do produto das duas somas de desvios ao quadrado. Essa padronização torna o coeficiente independente das unidades de medida. Por exemplo, multiplicar todos os valores de X por uma constante positiva não altera r. A ordem dos pares continua importante: o primeiro X deve corresponder ao primeiro Y, o segundo ao segundo, e assim por diante. A calculadora também apresenta r ao quadrado, frequentemente chamado de coeficiente de determinação em uma regressão linear simples. Nesse contexto, ele representa a proporção da variância explicada pela relação linear ajustada. Elevar ao quadrado elimina a direção, de modo que r igual a 0.8 ou -0.8 produz 0.64 em ambos os casos. Esse percentual descritivo não deve ser interpretado automaticamente como a porcentagem de uma variável causada pela outra. A correlação de Pearson funciona melhor com observações independentes, relação aproximadamente linear e valores extremos compreendidos. Um único par incomum pode alterar bastante o coeficiente. Intervalos restritos podem enfraquecer a relação aparente, enquanto combinar grupos distintos pode criar ou inverter tendências. Sempre que possível, examine um gráfico de dispersão junto com o número. Correlação não estabelece causalidade, e esta calculadora não fornece valor p nem intervalo de confiança. Essas inferências exigem hipóteses sobre o tamanho amostral e um processo de amostragem definido. Use a ferramenta para cálculos descritivos transparentes, conferir exercícios e comparar rapidamente dados pareados antes de aplicar um modelo estatístico mais completo.