Calculateur de coefficient de corrélation

Ce calculateur de coefficient de corrélation calcule la corrélation produit-moment de Pearson r entre deux listes de nombres de longueur égale. Vous obtenez la taille d'échantillon appariée n, le coefficient r dans l'intervalle fermé de moins un à plus un lorsque les deux séries ont une variance positive, les moyennes de x et y, les sommes brutes et la somme des produits, les sommes des carrés centrées et le produit croisé sxx, syy, et sxy, plus la covariance d'échantillon avec la correction de Bessel. Les vérifications classiques incluent la série de cinq paires de points un à cinq contre deux, quatre, six, huit, dix, ce qui donne une corrélation positive parfaite r égale un, et le même x contre un y inversé, ce qui donne une corrélation négative parfaite r égale moins un. Le moteur utilise uniquement un algorithme déterministe en deux passes : sans appel réseau, sans échantillonnage aléatoire, et sans raccourci dépendant de la date.

Ce que mesure le r de Pearson et ce que contient la réponse

Le coefficient de corrélation produit-moment de Pearson mesure la force et la direction d'une relation linéaire entre deux séries numériques appariées. Une fois les moyennes de x et y connues, chaque observation contribue un produit de résidus centrés ; cette somme de produits croisés est mise à l'échelle par le produit des sommes de carrés résiduels sur chaque axe afin que le résultat soit sans unité et se situe entre moins un et plus un chaque fois que les deux séries varient.

Une valeur proche de plus un signifie que des valeurs élevées de x ont tendance à s'accompagner de valeurs élevées de y ; une valeur proche de moins un signifie qu'elles évoluent dans des directions opposées ; une valeur proche de zéro signifie qu'il y a peu d'association linéaire même si un motif non linéaire pourrait quand même exister. Les règles de longueur égale et de variance positive sont intentionnelles : des listes inégales inventeraient des appariements, et une variance nulle diviserait par zéro.

Si vous avez besoin de corrélation de rang, de corrélation partielle, ou d'un profil multi-colonnes complet, utilisez ces outils dédiés ; cette page répond uniquement au r de Pearson pour deux séries numériques avec une sortie à virgule flottante exacte et cacheable adaptée aux fiches d'exercices, aux tests unitaires et aux pipelines qui doivent correspondre au même r à chaque exécution.

Où la corrélation de Pearson s'inscrit dans l'étude, la science et le travail produit

Les élèves rencontrent le r de Pearson lorsqu'un manuel contraste corrélation et causalité, lorsqu'un rapport de laboratoire demande si deux capteurs évoluent ensemble, ou lorsqu'ils ont besoin d'une vérification propre contre une calculatrice qui n'imprime qu'un r arrondi sans les sommes intermédiaires. Les enseignants peuvent pré-générer des corrigés pour des séries appariées modestes sans faire confiance à des applications opaques qui abandonnent des paires sur des cellules manquantes ou basculent silencieusement entre les conventions de covariance de population et d'échantillon.

Les développeurs appellent le même contrat depuis des scripts pour amorcer des vecteurs de test déterministes, pour valider des pipelines de sélection de caractéristiques qui classent des colonnes par |r|, ou pour satisfaire des portes de qualité de données qui signalent des paires dont la corrélation s'effondre lorsqu'une série devient constante.

Les analystes utilisent r comme premier aperçu de l'association linéaire avant d'ajuster une régression ; un grand |r| ne prouve pas un lien causal, mais un minuscule |r| peut quand même coexister avec une forte dépendance non linéaire, si bien que le nombre est un diagnostic, pas un verdict. Les équipes produit et opérations surveillent la corrélation entre latence et concurrence, taille de panier et usage de coupon, ou taux d'erreur et taille de déploiement pour repérer des régressions que des tableaux de bord à variable unique manqueraient.

Associez-le à des outils d'écart type lorsque vous avez besoin d'étalement univarié à côté de l'association bivariée, et au profilage CSV lorsque vous avez besoin de résumés multi-colonnes plutôt que de deux séries nommées.