Calcolatore coefficiente di correlazione

Questo calcolatore del coefficiente di correlazione calcola la correlazione prodotto-momento di Pearson r tra due elenchi di numeri di uguale lunghezza. Ottieni la dimensione del campione accoppiato n, il coefficiente r nell'intervallo chiuso da meno uno a più uno quando entrambe le serie hanno varianza positiva, le medie di x e y, le somme grezze e la somma dei prodotti, le somme centrate dei quadrati e del prodotto incrociato sxx, syy e sxy, più la covarianza campionaria con la correzione di Bessel. Controlli classici includono la serie di cinque coppie di punti da uno a cinque contro due, quattro, sei, otto, dieci, che dà correlazione positiva perfetta r uguale a uno, e la stessa x contro una y invertita, che dà correlazione negativa perfetta r uguale a meno uno. Il motore usa solo un algoritmo deterministico a due passaggi: nessuna chiamata di rete, nessun campionamento casuale e nessuna scorciatoia legata alla data.

Cosa misura r di Pearson e cosa contiene la risposta

Il coefficiente di correlazione prodotto-momento di Pearson misura la forza e la direzione di una relazione lineare tra due serie numeriche accoppiate. Una volta note le medie di x e y, ogni osservazione contribuisce con un prodotto di residui centrati; quella somma di prodotti incrociati viene scalata dal prodotto delle somme dei quadrati dei residui su ciascun asse così che il risultato sia senza unità e si trovi tra meno uno e più uno ogni volta che entrambe le serie variano.

Un valore vicino a più uno significa che valori alti di x tendono ad accompagnarsi a valori alti di y; un valore vicino a meno uno significa che si muovono in direzioni opposte; un valore vicino a zero significa che c'è poca associazione lineare anche se potrebbe comunque esistere un pattern non lineare.

I casi respinti includono un campo x o y mancante, liste vuote, meno di due coppie, valori non finiti come Infinity o NaN, token non numerici, lunghezze di serie diseguali, array più lunghi del massimo pubblicato, e qualunque caso in cui tutti i valori in x siano identici o tutti i valori in y siano identici così che una varianza sia zero e r non sia definito. Le regole di uguale lunghezza e varianza positiva sono intenzionali: liste diseguali inventerebbero accoppiamenti, e varianza zero dividerebbe per zero.

Se ti servono correlazione per ranghi, correlazione parziale, o un profilo completo multi-colonna, usa quegli strumenti dedicati; questa pagina risponde solo a r di Pearson per due serie numeriche, con un'uscita esatta e cachabile in virgola mobile adatta a schede di esercizi, test unitari e pipeline che devono corrispondere allo stesso r a ogni esecuzione.

Dove si usa la correlazione di Pearson nello studio, nella scienza e nel lavoro di prodotto

Gli studenti incontrano r di Pearson quando un manuale contrappone correlazione a causalità, quando una relazione di laboratorio chiede se due sensori si muovono insieme, o quando hanno bisogno di una verifica pulita contro una calcolatrice che stampa solo un r arrotondato senza le somme intermedie. Gli insegnanti possono pregenerare chiavi di risposta per serie accoppiate modeste senza fidarsi di app opache che scartano coppie su celle mancanti o passano silenziosamente tra convenzioni di covarianza di popolazione e campionaria.

Gli sviluppatori richiamano lo stesso contratto da script per generare vettori di test deterministici, per validare pipeline di selezione delle caratteristiche che classificano colonne per |r|, o per soddisfare gate di qualità dei dati che segnalano coppie la cui correlazione crolla quando una serie diventa costante. Gli analisti usano r come prima occhiata all'associazione lineare prima di adattare una regressione; un |r| grande non prova un legame causale, ma un |r| minuscolo può comunque coesistere con una forte dipendenza non lineare, quindi il numero è diagnostico, non un verdetto.

Team di prodotto e operazioni osservano la correlazione tra latenza e concorrenza, dimensione del carrello e uso di coupon, o tasso di errore e dimensione del deploy per individuare regressioni che cruscotti a variabile singola perderebbero. Abbinalo a strumenti di deviazione standard quando ti serve la dispersione univariata accanto all'associazione bivariata, e alla profilazione CSV quando ti servono riepiloghi multi-colonna invece di due serie nominate.