Sempre assume um valor entre -1 e 1 onde:<\/span><\/p>\n Para determinar se um coeficiente de correla\u00e7\u00e3o \u00e9 estatisticamente significativo, voc\u00ea pode calcular a pontua\u00e7\u00e3o t e o valor p correspondentes.<\/span><\/p>\n A f\u00f3rmula para calcular o escore t de um coeficiente de correla\u00e7\u00e3o (r) \u00e9:<\/span><\/p>\n t<\/strong> = r * \u221a n-2<\/span> \/ \u221a 1-r 2<\/sup><\/span><\/span><\/p>\n O valor p \u00e9 calculado como o valor p bicaudal correspondente para a distribui\u00e7\u00e3o t com n-2 graus de liberdade.<\/span><\/p>\n Para determinar se o coeficiente de correla\u00e7\u00e3o entre duas vari\u00e1veis \u00e9 estatisticamente significativo, voc\u00ea pode realizar um teste de correla\u00e7\u00e3o em R usando a seguinte sintaxe:<\/span><\/p>\n cor.test(x, y, m\u00e9todo=c(\u201cpearson\u201d, \u201ckendall\u201d, \u201clanceiro\u201d))<\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Por exemplo, suponha que temos os dois vetores a seguir em R:<\/span><\/p>\n Antes de realizar um teste de correla\u00e7\u00e3o entre as duas vari\u00e1veis, podemos criar um gr\u00e1fico de dispers\u00e3o r\u00e1pido para visualizar sua rela\u00e7\u00e3o:<\/span> <\/p>\n Parece haver uma correla\u00e7\u00e3o positiva entre as duas vari\u00e1veis. Ou seja, \u00e0 medida que um aumenta, o outro tende a aumentar tamb\u00e9m.<\/span><\/p>\n Para ver se esta correla\u00e7\u00e3o \u00e9 estatisticamente significativa, podemos realizar um teste de correla\u00e7\u00e3o:<\/span><\/p>\n O coeficiente de correla\u00e7\u00e3o entre os dois vetores \u00e9 0,9279869<\/strong> .<\/span><\/p>\n A estat\u00edstica de teste \u00e9 7,8756<\/strong> e o valor p correspondente \u00e9 1,35e-05<\/strong> .<\/span><\/p>\n Dado que este valor \u00e9 inferior a 0,05, temos evid\u00eancias suficientes para afirmar que a correla\u00e7\u00e3o entre as duas vari\u00e1veis \u00e9 estatisticamente significativa.<\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre coeficientes de correla\u00e7\u00e3o:<\/span><\/p>\n Uma introdu\u00e7\u00e3o ao coeficiente de correla\u00e7\u00e3o de Pearson<\/a> Uma forma de quantificar a rela\u00e7\u00e3o entre duas vari\u00e1veis \u00e9 utilizar o coeficiente de correla\u00e7\u00e3o de Pearson , que \u00e9 uma medida da associa\u00e7\u00e3o linear entre duas vari\u00e1veis . Sempre assume um valor entre -1 e 1 onde: -1 indica uma correla\u00e7\u00e3o linear perfeitamente negativa entre duas vari\u00e1veis 0 indica nenhuma correla\u00e7\u00e3o linear entre duas […]<\/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":[],"class_list":["post-1127","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: teste de correla\u00e7\u00e3o em R<\/strong><\/span><\/h3>\n
\n
x <- c(2, 3, 3, 5, 6, 9, 14, 15, 19, 21, 22, 23)\ny <- c(23, 24, 24, 23, 17, 28, 38, 34, 35, 39, 41, 43)\n<\/strong><\/pre>\n
#create scatterplot<\/span>\nplot(x, y, pch= 16<\/span> )\n<\/strong><\/pre>\n![\"Teste](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/dispersionr1.png\")
<\/p>\n #perform correlation test between the two vectors<\/span>\ncor.test(x, y)\n\n\tPearson's product-moment correlation\n\ndata: x and y\nt = 7.8756, df = 10, p-value = 1.35e-05\nalternative hypothesis: true correlation is not equal to 0\n95 percent confidence interval:\n 0.7575203 0.9799783\nsample estimates:\n horn \n0.9279869<\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h3>\n
O que \u00e9 considerado uma correla\u00e7\u00e3o \u201cforte\u201d?<\/a>
As cinco hip\u00f3teses da correla\u00e7\u00e3o de Pearson<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"