Enrico Feoli, Paola Ganis - Università degli Studi di Trieste
Enrico Feoli, Paola Ganis - Università degli Studi di Trieste
Enrico Feoli, Paola Ganis - Università degli Studi di Trieste
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
∑(<br />
x − x)(<br />
y − y)<br />
r = (4.31)<br />
2<br />
2<br />
∑(<br />
x − x)<br />
∑(<br />
y − y)<br />
Esso si puo' descrivere come il rapporto tra la codevianza delle due variabili e la ra<strong>di</strong>ce<br />
quadrata del prodotto delle rispettive devianze oppure come rapporto tra la covarianza e il<br />
prodotto delle deviazioni standard.<br />
Per abbreviare i calcoli evitando <strong>di</strong> calcolare le me<strong>di</strong>e, l'equazione puo' essere scritta anche<br />
nella seguente formula equivalente:<br />
N ∑ xy − ∑ x ∑ y<br />
r = (4.32)<br />
2<br />
2<br />
2<br />
2<br />
[ N ∑ x − ( ∑ x)<br />
] × [ N ∑ y − ( ∑ y)<br />
]<br />
La misura della correlazione non <strong>di</strong>pende da quale variabile si sceglie come <strong>di</strong>pendente o<br />
in<strong>di</strong>pendente e, per questo, è un'ottima misura per valutare la relazione tra le variabili.<br />
E' inoltre una misura a<strong>di</strong>mensionale e quin<strong>di</strong> in<strong>di</strong>pendente dall'unita' <strong>di</strong> misura delle variabili<br />
considerate.<br />
4.9.2 Significativita' del coefficiente <strong>di</strong> correlazione<br />
Il coefficiente <strong>di</strong> correlazione puo' essere usato semplicemente come una misura descrittiva<br />
del grado <strong>di</strong> correlazione <strong>di</strong> due variabili in un campione. Se il ricercatore e' interessato alla<br />
significativita' <strong>di</strong> una particolare correlazione, ha bisogno <strong>di</strong> conoscere quanto e' probabile che il<br />
coefficiente <strong>di</strong> correlazione del campione sia un'accurata stima del coefficiente <strong>di</strong> correlazione della<br />
popolazione da cui il campione e’ stato estratto. L'ipotesi nulla <strong>di</strong>ce che i campioni sono stati<br />
estratti casualmente da una popolazione in cui i due caratteri sono in<strong>di</strong>pendenti e <strong>di</strong>stribuiti<br />
normalmente. Ogni apparente correlazione nei dati e' dovuta alle fluttuazioni del campionamento.<br />
L'ipotesi alternativa <strong>di</strong>ce che c'e' una correlazione tra le due variabili nella popolazione, cioe'<br />
che il coefficiente <strong>di</strong> correlazione nella popolazione non e' zero. L'ipotesi alternativa puo' prendere<br />
una delle due forme. Se si e' interessati solo a verificare l'esistenza della correlazione senza<br />
specificare il segno della correlazione, il test e' bi<strong>di</strong>rezionale, cioe' a due code; se invece l'ipotesi<br />
alternativa specifica anche la <strong>di</strong>rezione della correlazione, cioe' se e' positiva o negativa, il test<br />
usato e' ad una coda.<br />
Ad esempio, un coefficiente r = 0.83 tra due caratteri <strong>di</strong> un campione <strong>di</strong> 12 unita' in<strong>di</strong>ca una<br />
forte correlazione positiva. Si tratta <strong>di</strong> valutare qual’e’ la probabilita’ che il campione provenga da<br />
una popolazione in cui il coefficiente r sia 0 (ipotesi nulla). Tenendo presente le <strong>di</strong>mensioni del<br />
campione e basandosi sull'assunzione che entrambe le variabili sono <strong>di</strong>stribuite normalmente, e'<br />
4-47