|
|
|
Analitzar la correlació lineal entre les variables Pes i Estatura de l’exemple 3.6
X \ Y |
]60, 70] |
]70, 80] |
]80, 90] |
fi. |
]160, 170] |
0.3 |
0.2 |
0 |
0.5 |
]170, 180] |
0.2 |
0.1 |
0.1 |
0.4 |
]180, 190] |
0 |
0 |
0.1 |
0.1 |
f.j |
0.5 |
0.3 |
0.2 |
1 |
A l’exemple 3.6 hem obtingut el vector de mitjanes,
X \ Y |
|
]60, 70] |
]70, 80] |
]80, 90] |
fi. |
xifi. |
xi2 |
xi2fi. |
|
xi \ yj |
65 |
75 |
85 |
|
|
|
|
]160, 170] |
165 |
0.3 |
0.2 |
0 |
0.5 |
82.5 |
27225 |
13612.5 |
]170, 180] |
175 |
0.2 |
0.1 |
0.1 |
0.4 |
70.0 |
30625 |
12250.0 |
]180, 190] |
185 |
0 |
0 |
0.1 |
0.1 |
18.5 |
34225 |
3422.5 |
f.j |
|
0.5 |
0.3 |
0.2 |
1 |
|
|
29285.0 |
yjf.j |
|
32.5 |
22.5 |
17 |
|
|
|
|
yj2 |
|
4225 |
5625 |
7225 |
|
|
|
|
yj2f.j |
|
2112.5 |
1687.5 |
1445 |
5245 |
|
|
|
Escrivint ordenadament els resultats obtinguts ara i abans, obtenim el vector de mitjanes,
i la matriu de covariàncies,
A partir d’aquesta informació, el càlcul del coeficient de correlació de Pearson és immediat,
Com ja sabíem, pel valor de la covariància, la relació estadística entre les variables Estatura i Pes en aquesta població és directa. A més, ara podem afegir que la relació és relativament feble, ja que el coeficient de correlació de Pearson és tant sols de 0.54.