Documente Academic
Documente Profesional
Documente Cultură
o combinaie A+A
2 combinaii A+N
2 combinaii N+A
4 combinaii N+N
Prima extragere
A doua extragere
Probabilitile acestor combinaii diferite sunt:
- 1/9 (adic p2) pentru combinaiile A+A;
- 2/9 (adic pq) pentru combinaiile A+N;
- 2/9 (adic pq) pentru combinaiile N+A;
- 4/9 (adic q2 ) pentru combinaiile N+N.
Dac nu se ine cont de ordinea n care se prezint bilele (ceea ce poate fi realizat efectund o tragere de
2 bile odat dintr-un sac cu aceeai compoziie, adic avnd aceeai proporie de bile albe i negre, dar
coninnd un numr mare de bile) vedem c avem 3 posibiliti:
- combinaia A+A, cu probabilitatea p2
- combinaia A+N (sau N+A), cu probabilitatea pq + pq = 2pq
- combinaia N+N, cu probabilitatea q2
Aceste diverse combinaii de bile care comport respectiv notaiile 0, 1 i 2 bile negre, au deci
probabilitile egale respectiv cu p2 , 2pq, q2, adic termenii succesivi din dezvoltarea bine- cunoscut:
( p q ) 2 p 2 2 pq q 2 .
Comb.
dublei
extrageri
AA
(p2)
AN(NA)
(pq)
NN
(q2)
A 3-a
extragere
A(p)
Comb. celei
de a 3-a
extrageri
AAA
N(q)
AAN
A(p)
ANA (NAA)
N(q)
A(p)
ANN (NAN)
NNA
N(q)
NNN
Probabilit.
coresp.
Probabilit.
finale
Nr. bile
negre
p2 p
p3
p2 q
2pqp=2p2q
2pqq=2pq
q2 p
2
3p q
3 p q 2
q
q q
Tabelul 8.7: Probabilitile triplei extrageri
2
Probabilitatea P
0.5
0.4
0.3
0.2
0.1
0
1
2
3
Numarul de bile negre
Lund ca variabil aleatoare numrul r de bile negre coninute n eantionul de n bile, r poate lua toate valorile
discrete (ntregi) de la 0 la n; se obine o distribuie unde probabilitile diferitelor valori ale variabilelor aleatoare
sunt date de termenii succesivi din dezvoltarea binomului (p+q)n, de unde numele binomial, dat acestei
distribuii particulare a probabilitilor.
n!
, expresia general a termenului de rang r din descompunerea
r! n r !
Pr
n!
p (nr ) q r .
r! n r !
0.3
0.2
0.1
0
0
Numar de succese
P 0.6
0.4
0.2
0
1
11
13
15
17
19
21
1.2
1
0.8
P 0.6
0.4
0.2
0
n aceast situaie, p q, iar asimetria distribuiei tinde s se estompeze dac n crete; pentru valori
suficient de mari ale lui n, distribuia poate fi considerat practic simetric, chiar dac p q (Figura 8.18).
1.2
1
0.8
P 0.6
0.4
0.2
0
r
0.5
0.4
0.3
n = 10
n = 20
n = 50
n = 100
P
0.2
0.1
Intuitiv, tim c avem anse mai mari de a extrage un eantion coninnd 3 bile albe i 7 bile negre, deci
avnd aceeai proporie (pstrnd compoziia) cu urna nsi. Se arat efectiv c este de asemeni bine s
tim n particular c n este suficient de mare i c p i q nu trebuie s fie prea apropiate de 0 sau de 1.
n aceste condiii devine facil s calculm rangul termenului corespunztor probabilitii maxime: va fi
rangul r corespunztor numrului de bile negre coninut n combinaia respectiv.
Dac q este proporia de bile negre, numrul r de bile negre n eantionul de n bile va fi:
r
sau r q n .
n
n aceste condiii precizate (n mare, p i q nu prea apropiate de 0 sau 1), rangul termenului cel mai
probabil este dat de expresia: r n q , care corespunde unui eantion avnd aceeai compoziie ca urna
binar din care s-a fcut extragerea.
m nq
i, atta timp ct condiiile precizate sunt realizate, aceast medie corespunde termenului de rang cel mai
probabil.
Aceasta vrea s spun c ntr-o serie de n experiene, a cror probabilitate constnd din succese este q,
numrul de succese la care trebuie s ne ateptm este n q .
Variana; abaterea tip
Dac media este n q , abaterea de la medie pentru o valoare oarecare xi va fi (xi nq).
Variana va fi:
1
2
2 xi n q .
n i 1
n pq
0.
23
4
0.3
0.
23
4
0.
31
2
0.35
0.25
0.2
0.
01
6
0.
01
6
0.1
0.05
0.
09
4
0.
09
4
P0.15
Numarul de baieti
Numar de familii
700
600
500
400
300
200
100
0
0
Numar de baieti
Vom vedea n cele ce urmeaz cum poate fi exploatat distribuia binomial pentru unele probleme
statistice, n particular pentru comparaia procentual a dou evenimente care se exclud mutual. Una dintre
utilitile eseniale ale distribuiei binomiale este aceea c ea st la baza unor alte distribuii teoretice, i n
particular a distribuiei normale.
Distribuia procentual
Dac se consider n locul numrului r, proporia r/n (numit procentual) de bile negre coninute n
eantion, distribuia acestor valori pentru diferite combinaii posibile ale eantionului este de asemeni o
distribuie binomial, dar n care avem procentaje 0/n, 1/n, , r/n care iau valori ntre 0 i 100 (Figura 8.21).
Media mq a acestei distribuii procentuale se obine din media distribuiei binomiale corespunztoare prin
divizare la n:
mq
m nq
q
n
n
Media distribuiei procentuale este deci mq = q. Semnificaia acestui fapt este aceea c proporia cea mai
probabil este n mod precis, cea care corespunde urnei binare.
...
q
r/n
...
n/n
Pr
Pr
n!
p n r q r , care d valoarea termenului de rang r n distribuia binomial, tinde ctre expresia:
r! n r !
Pr
1
2 n p q
r n q 2
2 n p q
(1)
Cum, n plus, ntr-o distribuie binomial media este m=nq, iar variana este 2 n p q , expresia
precedent poate fi scris sub forma:
1
Pr
e
2
r m 2
2 2
(2)
La limit, dreptunghiul de rang r, a crui nlime este dat de probabilitatea acestui termen, Pr, se reduce
la o ordonat liniar y a crei abscis x este chiar r (Figura 8.23).
Valoarea lui y se obine nlocuind r cu x n expresia lui Pr; prin urmare se obine:
xm 2
2 2
(3)
Pr y
1.2
1
Pr(y)
0.8
0.6
0.4
0.2
0
r(x)
Curba Centrat
Expresia (3) corespunde unei curbe n care originea coordonatelor este plasat, ca pentru distribuia
binomial, la una dintre extremitile distribuiei (Figura 8.24).
1.2
1
y
0.8
0.6
0.4
0.2
0
m
Exist ns interesul de a exprima ecuaia curbei n raport cu axa de simetrie a acesteia, care este de fapt
abscisa mediei m. Aceasta revine la a lua noi valori pentru abscisele punctelor de pe curb, i anume
abaterile de la medie ale acestora,
X=xm
Ecuaia curbei devine atunci:
x2
2 2
Obinem astfel ecuaia curbei Gauss raportat la axa sa de simetrie, numit ecuaia curbei centrate, care
are pentru medie valoarea 0 (Figura 8.25).
y
y
0
x
Abaterea redus
X
xm
= abatere redus,
este un numr independent de unitatea de msur, ceea ce permite s comparm ntre ele curbe diferite.
Expresia lui y devine atunci
y
unde t
X
xm
t2
2
(5)
Curba redus
Pentru a da o portabilitate mai general a ecuaiei curbei Gauss, i a obine un aspect unic al curbei
reprezentative, se ia ca unitate de msur a abaterilor, ceea ce revine la a face = 1 n ecuaia (5). Se
obine atunci:
1
2
t2
2
(6)
x2
1
care am studiat-o).
1.2
y=f(x)
1
0.8
Y 0.6
0.4
0.2
0
1.2
y=f(x)
0.8
0.6
0.4
0.2
0
-1
m+
+1
n toate cazurile curba descrete de o parte i de alta a maximului, la nceput mai ncet, apoi mai rapid,
pn la punctul de inflexiune, i apoi iari mai ncet de la acest punct n jos, pn devine asimptotic la axa
absciselor. Este clar c forma curbei va fi determinat de valorile lui : cu ct este mai mic, cu att
punctele de inflexiune sunt mai apropiate de axa ordonatelor, iar curba va fi mai strns n jurul valorii medii,
i invers.
De altfel, ordonata n origine (unde avem valoarea medie) se obine fcnd x = m n ecuaia (3), X = 0 n
ecuaia (4) sau t = 0 n ecuaia (5). Termenul n e devine e0 = 1, i prin urmare obinem:
Aceast valoare este invers proporional cu ; deci, cu ct este mai mic, cu att curba este mai strmt i
mai nalt, i cu ct este mai mare, cu att curba este mai joas i mai ntins (Figura 8.28).
-1
-0.6
-0.2
0.2
0.6
Se poate vedea importana covritoare a lui , care d morfologia curbei Gauss; asociat cu media, care
d poziia axei de simetrie a curbei, aceast mrime este suficient pentru a caracteriza curba Gauss. Prin
urmare, curba Gauss nu depinde dect de doi parametri: media i . Acesta este unul dintre motivele care
justific interesul acordat studiului acestor doi parametri n statistic.
Semnificaia probabilistic a curbei Gauss
Cnd se tinde la infinit, fiecare dreptunghi al diagramei distribuiei binomiale se reduce la o ordonat liniar y
a curbei Gauss, care msoar densitatea de probabilitate a valorii x corespunztoare. Curba Gauss are deci
semnificaia unei funcii de densitate de probabilitate, i ea indic pentru fiecare valoare a variabilei aleatoare
x, probabilitatea y care i corespunde (Figura 8.23).
n timp ce n distribuia binomial variabila aleatoare nu poate lua dect un anumit numr de valori
discrete (i ntregi), n cazul distribuiei normale variabila aleatoare este continu i poate lua toate valorile
ntre 0 i + (Figura 8.24).
Cnd se trece la curba centrat, se nlocuiete variabila x cu abaterea de la medie X = x m, care poate fi
pozitiv sau negativ. Noua variabil aleatoare X acoper deci tot domeniul de valori ntre i 0 pe de o
parte, i 0 i + pe de alt parte (Figura 8.29).
Curba indic atunci probabilitatea de a ntlni o anumit abatere de la medie a unei valori date. Se vede
c media, a crei abatere este nul, este valoarea a crei probabilitate este cea mai mare. Mai mult, dac
este advrat c valoarea poate fi observat, toate valorile nu sunt egal probabile. Din forma n clopot a
curbei rezult c probabilitatea de a observa o valoare dat este cu att mai mic, cu ct ea se abate mai
mult de la medie, de o parte i de alta a acesteia. Probabilitatea se diminueaz foarte clar atunci cnd
abaterea depete 1, dup cum indic aria marcat a curbei de la punctele sale de inflexiune (Figura
8.27). Aceast noiune foarte important, care arat caracterul reprezentativ al mediei n distribuia normal,
este una din noiunile de baz, util n exploatarea statistic a curbei Gauss.
1.5
0.5
0
X=x-m
1
2
(Figura 8.30).
1
2
ex
/2
dx
Y1
x1
x1
x2
x1
x2
2
dx ,
care msoar diferena Y2-Y1 ntre ordonatele corespunztoare curbei integrale (Figura 8.32).
Y=F(x)
y=f(x)
Y1
Y
Y2
x
x1
x2
x2
x1
1
2
x2
2
dx
(Figura 8.33).
y=f(x)
YT
(t1)
Figura 8.34. Ordonata y1 i
suprafaa (t1) pe curba redus
Y1
t1
xm
i
t1
t2
2
sub curba redus (Figura 8.34), i care msoar probabilitatea cumulat a tuturor valorilor cuprinse
ntre 0 i t1.
3. Suprafaa 2 (t1 ) cuprins sub curba redus, ntre ordonatele punctelor t1 i +t1 (Figura 8.35), care
msoar probabilitatea cumulat a tuturor valorilor cuprinse ntre t1 i +t1. n aceste condiii, suprafaa
[1 2 (t1 )] va msura probabilitile cumulate ale tuturor valorilor exterioare acestui interval.
t1
(t1 )
2 (t1)
- t1
t1
(t
1)
(t1)
curba redus
t1
Exemplu:
(t1 ) i [1 (t1 )] pe
(t1) = 0.1915
2(t1) = 0.3830
(t1) = 0.6915
1 2(t1) = 0.6170
1 (t1) = 0.3085
Se poare calcula astfel, plecnd de la aceste date, probabilitatea tuturor valorilor cuprinse ntre dou
valori t1 i t2 , care este egal cu (t 2 ) (t1 ) , sau cu (t 2 ) (t1 ) dac t1 i t2 sunt de acelai semn
(Figura 8.37), i cu (t1 ) (t 2 ) dac t1 i t2 sunt de semne contrare (Figura 8.38).
Exemplu: Pentru t1 = 1/2 i t2 = 7/10 se obine:
(t1) = 0.1915; (t2) = 0.2580
(t2) (t1) = 0.0665
Acest tabel permite s se obin pentru toate valorile lui x ale unei distribuii normale probabilitile
corespunztoare.
(t 2 ) (t1 ) pe curba
redus
t2
t1
t2
t1
Observaie:
Tabelele sunt calculate pentru curba redus; prin urmare, trebuie calculat mai nti t, plecnd de la valorile
xm
. n tabel este de asemeni precizat ordonata redus y; pentru a
y
reveni la ordonata neredus, notat Y, folosim relaia Y
.
2
2
considerate x, folosind formula t
y 0.3521
0.1760 .
99%
95.50%
Figura 8.39.
Suprafeele importante
ale curbei Gauss
68.30%
t
-2.6
m-2.6
X
-2
-1
m -2 m-1
2.6
Suprafaa total nglobat sub curba Gauss corespunde probabilitii cumulate a tuturor valorilor, adic
100% din cazurile distribuiei.
Suprafaa 2(t) menionat mai sus corespunde deci probabilitilot cumulate de 68.3%, 95.5%, 99% ale
cazurilor distribuiei. Dac se consider probabilitile valorilor lui x exterioare intervalelor de mai sus, se
poate deduce:
1. Intervalul exterior lui [m, m+], care va ngloba 10068.3 = 31.7% din cazurile distribuiei (Figura
8.40);
2.
Intervalul exterior lui [m2, m+2], care va ngloba 10095.5% = 4.5% din cazurile distribuiei (Figura
8.41);
3.
Intervalul exterior lui [m2.6, m+2.6], care va ngloba 10099% = 1% din cazurile distribuiei (Figura
8.42);
Pr
n!
p ( nr ) q r ,
r!( n r )!
Pr
Media distribuiei Poisson este
( n q ) r n q
e
r!
(1) .
m r m
e
r!
(2) .
m m2
mr
...
...
1!
2!
r!
Pr e m e m 1
em 1
r
2 n p q , p 1 q , n q 1 q m 1 q
Cnd q 0, ultima expresie din ecuaiile anterioare tinde spre m. Prin urmare,
2 m
abaterea standard,
media m ;
dispersia 2 m ;
abaterea
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
m.
m = 0.1
m=1
m=3
m=5
10
Aplicaii ale distribuiei Poisson: Distribuia Poisson, numit legea probabilitilor mici, se poate aplica n
cazul n care evenimentele au probabiliti mici: accidente mortale, accidente de avion, maladii excepionale,
sinucideri, etc.
0,3
m=2
0,25
m=4
0,2
m=8
0,15
m=15
0,1
0,05
0
0
10
15
20
25
Distribuia mediilor
Fie o populaie statistic N (N foarte mare), pe care o considerm ca avnd o distribuie normal.
Vom extrage un eantion de efectiv n.
Fie m1, m2, m3 mediile gsite pentru diverse eantioane.
Se studiaz fluctuaia statistic a mediilor eantioanelor extrase ntre ele, i egal repartizate fa de media
M a populaiei de origine. Se constat c mediile sunt mai puin dispersate fa de M, media global a
populaiei, dect valorile individuale din populaie .
Distribuia nou-obinut n acest mod se numete distribuia mediilor.
Abaterea tip a acestei distribuii de medii se numete abaterea standard a mediei, i se noteaz Sm.
Distribuia mediilor fiind mai puin dispersat, abaterea tip Sm este totdeauna mai mic dect abaterea tip
S a populaiei de origine; ntre cele dou mrimi exist relaia:
Sm
S
n
Mulimea mediilor care se pot gsi pentru diverse eantioane avnd acelai numr de observaii, extrase
la ntmplare dintr-o populaie de medie M i abatere standard S, formeaz aadar o distribuie gaussian de
valoare medie M, i avnd abaterea tip Sm.
Intervalul de ncredere al mediei
Intervalul corespunztor distribuiei mediilor, (M 2Sm, M + 2Sm), cuprinznd 95.5% din valorile pe care le
poate lua media m a eantionului din mulimea fluctuaiilor ntmpltoare, se numete interval de confiden
al mediei cu un coeficient de securitate de 95.5%
Sm
Sm
Sm
Sm
n
n 1
Sm
S
n
Sm
1
n
n 1
n 1
n 1
Plecnd de la valorile estimate ale lui M i Sm, se va putea exprima intervalul de confiden al mediei, care
va fi n final:
- m0 2Sm , cu un coeficient de securitate de 95%;
- m0 2.6Sm , cu un coeficient de securitate de 99%.
cu.
Sm
n 1
Ex: 3 Se dozeaz corticoizii urinari ntr-un grup de 253 femei cu greutate normal. Se gsete media m =
4.50 mg/24h i abaterea tip =1.50. S se gseasc intervalul de ncredere.
Avem:
Sm
1.5
0.1
n 1
252
F1, 2
12
22
Acest raport, n care se convine s se pun la numrtor dispersia cea mai mare, traduce divergena ntre
dou dispersii i va fi folosit pentru a testa semnificaia.
Dac, ntr-adevr, eantioanele sunt extrase din aceeai populaie de origine, dispersiile 12 i 22
reprezint o estimare a dispersiei S2 a acestei populaii. Teoretic, ar trebui s fie verificat relaia: 12 = 22 ,
i prin urmare F1,2 = 1.
Uneori fluctuaiile fortuite nu sunt rspunztoare de mrirea raportului dect pn la o valoare limit,
valoare pe care o putem calcula, i care variaz evident cu mrimea eantionului. Atunci cnd raportul F
depete aceast valoare limit, divergena este prea important pentru a fi atribuit numai fluctuaiei de
eantionaj pe care hazardul o poate determina n interiorul unei populaii unice. Aceast ipotez trebuie deci
eliminat i divergena trebuie considerat semnificativ.
Sndcor a stabilit tabelele raportului F care ne permit s rezolvm problema din punct de vedere practic.
Aceste tabele dau direct, pentru coeficienii de securitate obinuii, 95% i 99% i n funcie de mrimile
eantioanelor n1 i n2 (mai precis, n funcie de numrul gradelor de libertate 1 = n1 1 i 2 = n2 1 ale
fiecrui eantion) valorile limit ale lui F sub care se poate considera c dispersiile studiate difer
semnificativ. Este suficient s formm raportul celor dou dispersii,
F1, 2
12
22
1 = 2.3
2 = 1.9
n1 = 11
n2 = 13
Formm raportul dispersiilor:
Raportndu-l la tabelele Sndcor, pentru 1 = n1 1 = 10 i 2 = n2 1 = 12, se gsete valoarea limit
pentru F, cu o probabilitate de 0.05 (adic 5 anse din 100 de a fi depit datorit fluctuaiilor fortuite), ca
fiind F0.05 = 2.76. Valoarea gsit pentru F, egal cu 1.46, este net inferioar. Nu exist deci diferen
F1, 2
12 (2.3) 2
1.46
22 (1.9) 2
x1 x 2
12 22
n1 n2
Fixm un interval de ncredere P i corespunztor determinm din tabelele pentru testul t, valoarea t = t(P).
Ex:
Pentru P = 0.99 t = 2.576
Dac valoarea absolut a lui t calculat, tcalculat > t(P)tabel, urmeaz c diferena mediilor aritmetice se poate
considera ca nefiind ntmpltoare. n caz contrar, nu avem motive s considerm c diferena este
semnificativ (adic ea poate fi considerat ca o abatere ntmpltoare).
Ex: 2 S considerm dou serii, de cte 25 i 30 de msurtori.
1 2 1.20
x1 23.56,
t
x 2 22.80
x1 x 2
1
1
n1 n 2
23.56 22.80
1
1
1.20
25 80
2.59
t(0.99)tabel = 2.576, deci t(0.99)tabel < tcalculat i rezult cu o certitudine de 0.99 c diferena ntre medii este
semnificativ.
S12
1
S 22
P1 P2
( SE1 ) 2 ( SE 2 ) 2
Dac Z 1.96, atunci se poate afirma cu un prag de semnificaie de 5% c cele dou procentaje difer nu
datorit hazardului, ci datorit unei cauze care trebuie determinat.
Dac Z 2.56, atunci se poate afirma cu un prag de semnificaie de 1 % c cele dou procentaje difer nu
datorit hazardului, ci datorit unei cauze care trebuie determinat.
Corelaia statistic
Noiunile dezvoltate anterior ne-au permis s studiem un caracter cantitativ dat: greutatea, nlimea, tensiunea
arterial, ntr-o populaie statistic determinat, definind parametrii numerici care permit s caracterizm variaiile
acestor mrimi, s precizm gradul de confiden pe care l putem ataa rezultatelor i s confruntm rezultatele
cu cele obinute pentru acelai caracter cantitativ ntr-o populaie statistic.
n tiinele experimentale i, n particular, n medicin i biologie, intereseaz nu numai variaia unei singure
mrimi, ci a dou valori, adic a dou caractere cantitative, ntr-o populaie statistic.
De exemplu, dorim s tim dac exist ntr-o grup de subieci o relaie ntre greutate i nlime, ntre tensiunea
arterial i mrimea umoral a unei substane, etc.
Pe plan matematic problema este rezolvat prin noiunea de funcie, care traduce relaia ntre variaia celor
dou mrimi. relaie materializat prin curba sa reprezentativ: y = f(x). n acest caz, unei valori date a variabilei
independente x i corespunde o valoare i numai una a variabilei dependente y, relaia y = f(x) permind
calcularea cu exactitate a acestei valori.
O astfel de relaie fiind stabilit, cunoaterea unei valori ne este suficient pentru determinarea valorii
corespondente. Acest tip de relaie, numit relaie funcional, este cea care se ntlnete n aa-zisele tiine
exacte. Dar problema se complic atunci cnd valorile care se studiaz (cea dependent i cea independent)
sunt supuse fluctuaiilor.
Fluctuaiile se manifest nu numai pentru o singur valoare dat, ci pentru toate variabilele distribuiei.
Exemplu:
ntr-un grup de subieci crora li s-a studiat nlimea i greutatea, pentru o valoare dat a nlimii (de
exemplu 1.70 m) se va gsi seria tuturor subiecilor avnd aceeai nlime i diferind ntre ei prin greutate.
Invers, pentru o valoare dat a greutii se va gsi seria subiecilor cu aceeai greutate, dar cu nlimi diferite.
Nu se tie, i se pune problema dac greutatea este funcie de nlime, sau invers.
Se constat c la o nlime mic corespunde o greutate mai mic, i invers. Prin urmare, exist o relaie
sigur ntre aceste dou mrimi, dar mai puin rigid dect relaia funcional propriu-zis.
Aceast relaie, de o natur particular, constituie corelaia statistic, care joac un rol important n tiinele
vieii, i n particular n tiina medical, care este esenialmente o tiin a corelaiei.
Procedee speciale ne permit s studiem corelaia statistic, s punem n eviden legea general care
stabilete o legtur reciproc ntre variaiile mrimilor luate n studiu i s apreciem cantitativ gradul, adic
caracterul mai mult sau mai puin slab al acestei legturi.
Ne vom limita la corelaia liniar, unde una dintre mrimi variaz proporional cu alta.
Diagrama de dispersie
Un prim model de a aborda problema const n a merge la reprezentarea grafic. Ca pentru a studia o funcie,
se merge la un sistem de axe rectangulare Ox i Oy, pe care se vor reprezenta valorile a dou mrimi: x
(nlimea) i y (greutatea). Fiecare individ este reprezentat printr-o pereche (x, y).
Ansamblul populaiei studiate va fi reprezentat printr-un nor de puncte, care va constitui dispersia populaiei
studiate:
6
5
4
y3
(x,y)
1
0
0
3
2,5
.Corelaie pozitiv
2
1,5
1
0,5
0
0
0,5
1,5
x
2,5
Atunci cnd valorile nu se influeneaz reciproc, deci nu exist corelaie, norul de puncte va avea un aspect
uniform dispersat (de exemplu, nlimea i glicemia ntr-un lot de persoane) Absena corelaiei indic
independena caracterelor studiate.
3,5
3
2,5
y
Corelaie negativ
1,5
1
0,5
0
0
0,5
1,5
2,5
Corelaie zero
5
4
y3
2
1
0
0
4
x