In questo tutorial, forniremo una breve spiegazione di entrambi i termini e spiegheremo come sono simili e diversi.<\/span><\/p>\n La correlazione<\/strong> misura l’<\/em> associazione lineare tra due variabili, xey<\/em> . Ha un valore compreso tra -1 e 1 dove:<\/span><\/p>\n Ad esempio, supponiamo di avere il seguente set di dati che contiene due variabili: (1) Ore studiate e (2) Punteggi degli esami ricevuti per 20 studenti diversi:<\/span> <\/p>\n Se creassimo un grafico a dispersione delle ore studiate rispetto ai risultati degli esami, ecco come apparirebbe:<\/span> <\/p>\n Basta osservare il grafico per notare che gli studenti che studiano di pi\u00f9 tendono ad ottenere risultati migliori agli esami. In altre parole, possiamo vedere visivamente che esiste una correlazione positiva<\/strong> tra le due variabili.<\/span><\/p>\n Usando una calcolatrice, possiamo vedere che la correlazione tra queste due variabili \u00e8 r = 0,915<\/strong> . Questo valore essendo vicino a 1, conferma che esiste una forte correlazione positiva tra le due variabili.<\/span><\/p>\n La regressione<\/strong> \u00e8 un metodo che possiamo utilizzare per capire come la modifica dei valori della variabile x<\/em> influisce sui valori della variabile y<\/em> .<\/span><\/p>\n Un modello di regressione utilizza una variabile, x<\/em> , come variabile predittrice e l’altra variabile, y<\/em> , come variabile di risposta<\/a> . Trova quindi un’equazione della forma seguente che meglio descrive la relazione tra le due variabili:<\/span><\/p>\n \u0177 = b 0<\/sub> + b 1<\/sub> x<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Ad esempio, considera il nostro set di dati precedente:<\/span> <\/p>\n Utilizzando un calcolatore di regressione lineare<\/a> , troviamo che la seguente equazione descrive meglio la relazione tra queste due variabili:<\/span><\/p>\n Punteggio previsto dell’esame = 65,47 + 2,58*(ore studiate)<\/span><\/p>\n Il modo di interpretare questa equazione \u00e8:<\/span><\/p>\n Possiamo anche usare questa equazione per prevedere il punteggio che uno studente ricever\u00e0 in base al numero di ore studiate.<\/span><\/p>\n Ad esempio, uno studente che studia 6 ore dovrebbe ricevere un voto di 80,95<\/strong> :<\/span><\/p>\n Punteggio previsto dell’esame = 65,47 + 2,58*(6) = 80,95<\/strong> .<\/span><\/p>\n Possiamo anche tracciare questa equazione come una linea su un grafico a dispersione:<\/span> <\/p>\n Possiamo vedere che la retta di regressione \u201csi adatta\u201d abbastanza bene ai dati.<\/span><\/p>\n Ricordiamo in precedenza che la correlazione tra queste due variabili era r = 0,915<\/strong> . Risulta che possiamo elevare al quadrato questo valore e ottenere un numero chiamato “r al quadrato” che descrive la proporzione totale della varianza<\/a> nella variabile di risposta che pu\u00f2 essere spiegata dalla variabile predittore.<\/span><\/p>\n In questo esempio, r 2<\/sup> = 0,915 2<\/sup> = 0,837<\/strong> . Ci\u00f2 significa che l’83,7% della variazione dei punteggi degli esami pu\u00f2 essere spiegata dal numero di ore studiate.<\/span><\/p>\n Ecco un riepilogo delle somiglianze e delle differenze tra correlazione e regressione:<\/span><\/p>\n Analogie:<\/strong><\/span><\/p>\n Differenze:<\/strong><\/span><\/p>\n I seguenti tutorial offrono spiegazioni pi\u00f9 approfondite degli argomenti trattati in questo articolo.<\/span><\/p>\n Un’introduzione al coefficiente di correlazione di Pearson<\/a> Correlazione e regressione sono due termini statistici correlati, ma non del tutto identici. In questo tutorial, forniremo una breve spiegazione di entrambi i termini e spiegheremo come sono simili e diversi. Cos’\u00e8 la correlazione? La correlazione misura l’ associazione lineare tra due variabili, xey . Ha un valore compreso tra -1 e 1 dove: -1 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Cos’\u00e8 la correlazione?<\/strong><\/span><\/h3>\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cor_vs_reg1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cor_vs_reg2.png\")
<\/p>\n Cos’\u00e8 la regressione?<\/strong><\/span><\/h3>\n
\n
<\/p>\n\n
![\"Retta](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cor_vs_reg3.png\")
<\/p>\n Correlazione vs regressione: somiglianze e differenze<\/strong><\/span><\/h3>\n
\n
\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Un’introduzione alla regressione lineare semplice<\/a>
Semplice calcolatore di regressione lineare<\/a>
Qual \u00e8 un buon valore di R quadrato?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"