PEARSON Excel : Calcul du coefficient de corrélation
Maîtrisez la fonction PEARSON d'Excel pour calculer le coefficient de corrélation. Découvrez sa syntaxe, ses utilisations et des exemples concrets.
Syntaxe
La fonction PEARSON prend deux arguments :
- matrice1 : La première matrice de nombres.
- matrice2 : La seconde matrice de nombres. Les matrices doivent être de même taille.
Utilisation dans Google Sheets
La fonction PEARSON dans Google Sheets fonctionne de manière très similaire à Excel. La syntaxe et le calcul sous-jacent sont identiques. Les résultats obtenus seront donc les mêmes, à condition que les données d'entrée soient identiques. Une différence mineure peut résider dans la gestion des erreurs, mais en général, les deux applications sont compatibles pour l'utilisation de cette fonction. Google Sheets gère aussi bien que Excel l'absence de données numériques.
Cas d'utilisation
Analyse financière : corrélation entre actifs.
Analyse marketing : corrélation entre campagnes et ventes.
Analyse scientifique : corrélation entre variables expérimentales.
Exemples pratiques
Données : Colonne B : Dépenses publicitaires (en milliers d'euros) Colonne C : Ventes (en milliers d'euros) Plage de données : B2:C11 contenant 10 observations.
Calcule le coefficient de corrélation entre les dépenses publicitaires et les ventes. Une valeur proche de 1 indiquerait une forte corrélation positive.
Données : Colonne D : Scores d'aptitude Colonne E : Performance au travail (sur une échelle de 1 à 10) Plage de données : D2:E21 contenant 20 observations.
Calcule le coefficient de corrélation entre les scores d'aptitude et la performance au travail. Cela peut aider à évaluer la validité d'un test d'aptitude.
Données : Colonne F : Prix de l'action Colonne G : Volume d'échange Plage de données : F2:G101 contenant 100 observations.
Calcule le coefficient de corrélation entre le prix d'une action et son volume d'échange. Ceci pourrait aider à comprendre la dynamique du marché.
Conseils et astuces
Utilisez des graphiques de dispersion pour visualiser la relation entre les deux ensembles de données avant de calculer le coefficient de corrélation.
N'oubliez pas que la corrélation ne signifie pas la causalité.
Soyez conscient des valeurs aberrantes, car elles peuvent avoir un impact important sur le coefficient de corrélation.
Utilisez la fonction COVARIANCE.P ou COVARIANCE.S pour calculer la covariance entre deux ensembles de données.
Erreurs courantes
Les matrices matrice1 et matrice2 n'ont pas la même taille.
Assurez-vous que les deux plages de cellules ont le même nombre de lignes et de colonnes.
L'écart type d'une des matrices est égal à zéro, ce qui signifie que toutes les valeurs dans cette matrice sont identiques.
Vérifiez les données d'entrée et assurez-vous qu'il y a une variance dans les valeurs des deux matrices.