Coeficientul de corelatie:

Coeficientul de corelatie ne ofera o imagine asupra directiei si a nivelului de corelatie dintre

doua seturi de variabile.
Acesta poate fi foarte usor calculat in Microsoft Excel cu urmatoarea functie:
= CORREL (…..,……)
Coeficient de corelatie negativ –> corelatie negativa
Coeficient de corelatie pozitiv –> corelatie pozitiva
R ⊂ [-0.25 to +0.25] → Nu exist ă nici o corelaţie (corelatie inexistenta)
R ⊂ (0.25 to +0.50] ∪ (-0.25 to -0.50] → corelaţie slabă sau corelatie de nivel scazut
R ⊂ (0.50 to +0.75] ∪ (-0.50 to -0.75] → corelaţie moderată sau corelatie de nivel mediu
R ⊂ (0.75 to +1) ∪ (-0.75 to -1) → corelaţie puternică sau corelatie de nivel mare

Regresia liniară
Dacă există o relaţie de liniaritate între variabilele de interes putem identifica o ecuaţie simplă
pentru a prezice o variabilă cunoscând cealaltă variabilă.
Ecuatia regresiei liniare: Y= aX + b
Pentru a obtine ecuatia regresiei liniare a unui set de variabile in Microsoft Excel, trebuie sa
urmam urmatorii pasi:
1) Construim o diagrama Scatter pentru setul de date pe care il avem
2) Pe graficul Scatter rezultat, inseram linear Tredline si bifam Display Equation on chart si
Display R-squared value on chart
3) Pentru verificare, inseram ecuatia de regresie si din Data - > Data Analysis
Urmatorul link va arata cum puteti insera ecuatia regresiei liniare.
https://www.youtube.com/watch?v=Cltt47Ah3Q4
Dupa ce am obtinut ecuatia regresiei putem calcula foarte usor valoarea unei variabile atunci
cand o cunoastem pe cealalta, inlocuind-o in ecuatie.
Analiza ANOVA
Analiza ANOVA ne furnizeaza un set de indicatori:
SS = suma deviațiilor medii la pătrat (dispersia)
df = număr grade de libertate
MS = măsurarea variației (media la pătrat)
F = indicator statistic calculat prin împărțirea MS între grupuri cu MS din cadrul
grupurilor.

Ceea ce ne intereseaza din rezultatele analizei ANOVA, este indicatorul F. In functie de

nivelul acestui indicator fata de valoarea sa critica (Fcrit) putem analiza variatia datelor.

Si anume:

F<F crit – variatie intamplatoare

F>F crit – variatie semnificativa
Problema
Tabelul 9
Observație Marca Marca Marca
A B C
1 493 108 94
2 490 95 75
3 489 115 93
4 612 82 73

Se cere să se testeze ipoteza conform căreia nu există diferențe semnificative între cele trei mărci
de baterii.
Rezolvare
- Vom utiliza Tools/Data Analysis/ANOVA: Single Factor
- La Input Range vom introduce valorile observate, şi vom include şi capul de tabel pentru
fiecare tip de baterie;
- Vom selecta opțiunea Grouped by Columns, pentru că în acest caz datele noastre sunt
organizate pe coloană, în funcție de marca de baterie;
- Labels in First Row;
- alpha = coeficient de semnificație care ne spune care este încrederea pe care putem să o
acordăm rezultatului (1-alpha=procentul de încredere acordat rezultatului).
Din datele rezultate, observam ca:
- F=183,2658
- Fcrit = 4,256495
- F > Fcrit => avem o variatie semnificativa a datelor