Excursie: Corelație

Dacă ești familiarizat cu statistica, ai auzit cu siguranță de Corelația lui Pearson. Aceasta este o măsură care evaluează dependența liniară dintre două variabile, să spunem \(X\) și \(Y\). Poate varia de la -1 la 1; dacă este apropiată de 1, înseamnă că există o asociere pozitivă puternică între variabile. Dacă \(X\) este mare, și \(Y\) tinde să fie mare. Dacă este apropiată de -1, există o asociere negativă puternică: dacă \(X\) este mare, \(Y\) tinde să fie mic. Când corelația Pearson dintre două variabile este 0, acele variabile sunt posibil independente: nu există nicio asociere între \(X\) și \(Y\).

Poți calcula corelația dintre doi vectori cu funcția cor(). Iată un exemplu de cod care calculează corelația dintre coloanele height și width ale unui cadru de date fictiv size:

cor(size$height, size$width)

Setul de date cu care ai lucrat în exercițiul anterior, international.sav, este din nou disponibil în directorul tău de lucru. Acum trebuie să îl imporți și să efectuezi calculele corecte pentru a răspunde la următoarea întrebare:

Care este coeficientul de corelație pentru cele două variabile numerice gdp și f_illit (rata de analfabetism în rândul femeilor)?