Teste de Significância da Correlação
Calcula o teste de significância do coeficiente de correlação de Pearson, respondendo se a correlação observada entre duas variáveis é real ou pode ter surgido por acaso. Uma correlação de 0,5 numa amostra de 6 pontos não é nada impressionante; a mesma correlação em 600 pontos é fortíssima. O teste converte o r num valor t, com n−2 graus de liberdade, e devolve o valor-p. A ferramenta calcula r, a estatística t e o valor-p bilateral. Informe as duas séries de valores pareados.
Resultado
—
Teste de Significância da Correlação
Calcula o teste de significância do coeficiente de correlação de Pearson, respondendo se a correlação observada entre duas variáveis é real ou pode ter surgido por acaso. Uma correlação de 0,5 numa amostra de 6 pontos não é nada impressionante; a mesma correlação em 600 pontos é fortíssima. O teste converte o r num valor t, com n−2 graus de liberdade, e devolve o valor-p. A ferramenta calcula r, a estatística t e o valor-p bilateral. Informe as duas séries de valores pareados.
Essa correlação é real ou foi sorte?
Calcular um coeficiente de correlação é fácil; saber se ele significa alguma coisa é o que importa. Um r de 0,5 obtido com cinco pontos pode ser pura coincidência, enquanto o mesmo 0,5 com quinhentos pontos é evidência sólida de relação. O teste de significância da correlação separa o sinal do ruído, levando em conta o tamanho da amostra.
A mecânica transforma o coeficiente r numa estatística t, através de uma fórmula que pesa o r contra a quantidade de dados. Sob a hipótese de não haver correlação na população, essa estatística segue uma distribuição t com n menos dois graus de liberdade. Quanto maior o r em módulo e maior a amostra, maior o t, e mais improvável que a correlação observada tenha surgido por acaso.
Informe as duas séries de valores pareados. A ferramenta calcula o coeficiente de Pearson, a estatística t, os graus de liberdade e o valor-p bilateral. Um lembrete que nunca é demais: correlação significativa não é causação, e o teste só avalia relação linear — uma associação curva forte pode passar despercebida por um r próximo de zero.
Ferramentas Relacionadas
Correlação Ponto-Bisserial
Calcula o coeficiente de correlação ponto-bisserial, que mede a associação entre uma variável contínua e uma variável dicotômica (de dois grupos). É, na verdade, a correlação de Pearson aplicada ao caso em que uma das variáveis só assume dois valores — por isso varia de −1 a +1 e tem a mesma interpretação. Aparece muito em psicometria, para avaliar o quanto um item de prova (acertou/errou) discrimina entre alunos com notas altas e baixas. Informe os valores contínuos de cada um dos dois grupos.
Teste de Normalidade de D'Agostino-Pearson (K²)
Calcula o teste de normalidade omnibus de D'Agostino-Pearson, que combina duas pistas de não normalidade num único veredito: a assimetria (os dados pendem para um lado?) e a curtose (as caudas são pesadas ou leves demais?). Cada uma vira um escore z padronizado, e a soma dos seus quadrados, a estatística K², segue uma qui-quadrado com 2 graus de liberdade. É mais informativo que olhar assimetria e curtose isoladas. Informe a amostra (pelo menos 8 valores).
IC para Correlação (Transformação z de Fisher)
Calcula o intervalo de confiança para um coeficiente de correlação usando a transformação z de Fisher. A distribuição amostral do r é torta, sobretudo perto de −1 ou +1, o que impede aplicar a margem simétrica usual. Fisher resolveu isso com uma transformação que torna a distribuição aproximadamente normal; constrói-se o intervalo nessa escala e depois volta-se para r. O resultado é um intervalo assimétrico, mais estreito do lado próximo dos extremos. Informe o coeficiente r e o tamanho da amostra.
Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.