Calcolatore Coefficiente di Correlazione

Confronta associazioni lineari e basate sui ranghi con il calcolatore del coefficiente di correlazione di MiniWebtool. Osservazioni appaiate x e y producono i coefficienti di Pearson, Spearman e Kendall, con grafici a dispersione e contesto di regressione; la correlazione da sola non dimostra un rapporto di causalità.

Serve aiuto con questo strumento? Chiedi all’IA

Gemini (copia e apri)

In Gemini, incolla la domanda copiata nella chat. Puoi anche copiarla qui sotto.

Visualizza la domanda

Vorrei capire come usare lo strumento Calcolatore Coefficiente di Correlazione di MiniWebtool: https://miniwebtool.com/it/calcolatore-del-coefficiente-di-correlazione/. A cosa serve, quali dati o impostazioni sono necessari e come si usa e si interpreta il risultato? Mostrami un esempio semplice, passo dopo passo. Usa questa pagina come fonte e rispondi in italiano.

3 utilizzi gratis al giornoSenza registrazioneRisultati istantanei

Calcolatore Coefficiente di CorrelazioneProvalo ora — gratis ▼

La r di Pearson somma z_x·z_y: i punti dalla stessa parte spingono r verso 1

Inserisci qui sotto le coppie di valori X e Y per ottenere le correlazioni di Pearson, Spearman e Kendall, con i p-value e un grafico a dispersione.

Prova Dataset di Esempio

✓ Perfetto (r=1) ● Positivo Forte ○ Moderato ≈ Debole ↓ Negativo

Incolla due colonne da Excel, Google Sheets o un file CSV

Variabile X X

Variabile Y Y

Precisione Decimale

Embed Calcolatore Coefficiente di Correlazione Widget

Calcolatore Coefficiente di Correlazione

Benvenuti nel Calcolatore Coefficiente di Correlazione, uno strumento statistico completo che calcola i coefficienti di correlazione di Pearson, Spearman e Kendall con visualizzazione interattiva del diagramma a dispersione, analisi di regressione e scomposizione passo passo dei calcoli. Che stiate analizzando dati di ricerca, studiando relazioni tra variabili o eseguendo analisi statistiche, questo calcolatore fornisce approfondimenti di livello professionale per i vostri dataset.

Pearson, Spearman e Kendall: cosa confronta ciascun coefficiente

La correlazione di Pearson riassume una relazione lineare tra i valori originali. Spearman e Kendall si basano sull'ordinamento e rispondono quindi a domande sull'associazione monotona, non sull'entità di una variazione lineare.

Pearson, Spearman e Kendall: cosa confronta ciascun coefficiente
Metodo	Criterio	Quando è utile	Limite importante
r di Pearson	Valori numerici originali appaiati	L'associazione è approssimativamente lineare	Sensibile ai valori anomali influenti; un valore pari a zero non esclude una relazione non lineare
rho di Spearman	Ranghi delle osservazioni appaiate	L'associazione è monotona oppure le misure sono ordinali	I ranghi ex aequo richiedono una gestione appropriata
tau di Kendall	Coppie concordanti e discordanti	La quantità d'interesse è l'ordinamento a coppie	Le diverse varianti di tau gestiscono i ranghi ex aequo in modo diverso

La correlazione non dimostra un rapporto di causa-effetto. Le ipotesi distributive per i test di significatività si aggiungono alla definizione del coefficiente di correlazione.

In sintesi

Il Calcolatore Coefficiente di Correlazione calcola i coefficienti di Pearson, Spearman e Kendall a partire da coppie di valori x e y. Aggiunge p-value, R al quadrato, un grafico a dispersione con retta di regressione e i calcoli passo passo.

Calcolatore Coefficiente di Correlazione: funzionalità in sintesi
Funzione	Cosa offre	Ideale per
Tre coefficienti	r di Pearson per relazioni lineari, rho di Spearman dai ranghi per quelle monotone, e tau di Kendall dalle coppie concordanti e discordanti.	Scegliere tra misure lineari e basate sui ranghi
Inserimento di dati accoppiati	Incollare valori X e Y separati da virgole, spazi o a capo. Entrambe le liste devono avere lo stesso numero di valori, in ordine corrispondente.	Copiare direttamente due colonne di un foglio di calcolo
Cifre decimali	Impostare la precisione dei risultati da 2 a 15 cifre decimali.	Report che richiedono un numero fisso di decimali
Forza e p-value	Ogni coefficiente riceve un p-value e un'etichetta di forza da molto debole (da 0.00 a 0.19) a molto forte (da 0.80 a 1.00).	Giudicare quanto sia forte e significativa una relazione
Grafico a dispersione	Un grafico a dispersione interattivo con la retta di regressione Y = aX + b, più R al quadrato, medie, deviazioni standard e covarianza.	Individuare valori anomali e la tendenza generale

Cos'e un Coefficiente di Correlazione?

Un coefficiente di correlazione e una misura statistica che quantifica la forza e la direzione della relazione tra due variabili. I coefficienti di correlazione variano da -1 a +1, dove la grandezza indica la forza e il segno indica la direzione della relazione.

Interpretare i Valori di Correlazione

Calcolatore Coefficiente di Correlazione: Interpretare i Valori di Correlazione
Intervallo di Correlazione	Forza	Interpretazione
0.80 a 1.00	Molto Forte	Le variabili sono fortemente correlate
0.60 a 0.79	Forte	Esiste una relazione chiara
0.40 a 0.59	Moderata	Relazione evidente
0.20 a 0.39	Debole	Leggera relazione
0.00 a 0.19	Molto Debole	Poca o nessuna relazione

Coefficiente di Correlazione di Pearson

Il coefficiente di correlazione di Pearson (r) misura la relazione lineare tra due variabili continue. E la misura di correlazione piu comunemente usata e presuppone che entrambe le variabili siano distribuite normalmente.

Formula di Correlazione di Pearson

$$r = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \bar{X})^2 \sum_{i=1}^{n}(Y_i - \bar{Y})^2}}$$

Dove:

X_i, Y_i = Singoli punti dati
X̄, Ȳ = Medie delle variabili X e Y
n = Numero di coppie di dati

Coefficiente di Correlazione per Ranghi di Spearman

Il coefficiente di correlazione per ranghi di Spearman (ρ o r_s) e una misura non parametrica che valuta le relazioni monotone tra variabili. Utilizza dati classificati invece di valori grezzi, rendendolo adatto per dati ordinali o quando la relazione non e strettamente lineare.

Formula di Correlazione di Spearman

$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$

Dove:

d_i = Differenza tra i ranghi dei valori X e Y corrispondenti
n = Numero di coppie di dati

Coefficiente di Correlazione Tau di Kendall

Il coefficiente di correlazione tau di Kendall (τ) e un'altra misura non parametrica che valuta l'associazione ordinale tra due variabili. Conta le coppie concordanti e discordanti ed e particolarmente utile per campioni di piccole dimensioni o quando ci sono molti valori uguali.

Come Usare Questo Calcolatore

Inserisci i Dati della Variabile X: Inserisci i valori numerici per la tua prima variabile nell'area di testo. I numeri possono essere separati da virgole, spazi o interruzioni di riga.
Inserisci i Dati della Variabile Y: Inserisci i valori corrispondenti per la tua seconda variabile. Assicurati di avere lo stesso numero di valori della Variabile X.
Imposta la Precisione Decimale: Scegli il numero di cifre decimali (2-15) per i tuoi risultati.
Calcola: Clicca il pulsante per calcolare le correlazioni di Pearson, Spearman e Kendall con valori p e visualizzazioni.

Comprendere i Risultati

Risultati Principali

Pearson r: Coefficiente di correlazione lineare (da -1 a +1)
Spearman ρ: Coefficiente di correlazione per ranghi (da -1 a +1)
Kendall τ: Coefficiente di associazione ordinale (da -1 a +1)
valori p: Significativita statistica di ogni correlazione

Statistiche Aggiuntive

R-quadro (R²): Coefficiente di determinazione - proporzione di varianza spiegata
Retta di Regressione: Equazione della retta di miglior adattamento (Y = aX + b)
Statistiche Campionarie: Medie, deviazioni standard e covarianza

Quando Usare Ogni Correlazione

Usa la Correlazione di Pearson Quando:

Entrambe le variabili sono continue e distribuite normalmente
La relazione tra le variabili appare lineare
Non ci sono outlier significativi
Vuoi misurare specificamente l'associazione lineare

Usa la Correlazione di Spearman Quando:

I dati sono ordinali o classificati
La relazione e monotona ma non necessariamente lineare
I dati contengono outlier che influenzerebbero Pearson
Le assunzioni di normalita sono violate

Usa il Tau di Kendall Quando:

La dimensione del campione e piccola
Ci sono molti valori uguali
Hai bisogno di una misura piu robusta con meno assunzioni

Applicazioni dell'Analisi della Correlazione

Ricerca e Ambito Accademico

I ricercatori usano l'analisi della correlazione per esplorare le relazioni tra variabili prima di condurre analisi piu complesse. Aiuta a identificare potenziali predittori e comprendere la struttura dei dati.

Finanza ed Economia

La correlazione e essenziale per la diversificazione del portafoglio, la gestione del rischio e la comprensione di come diversi asset o indicatori economici si muovono insieme.

Sanita e Medicina

I ricercatori medici usano la correlazione per studiare le relazioni tra fattori di rischio, effetti del trattamento e risultati sanitari.

Psicologia e Scienze Sociali

L'analisi della correlazione aiuta a comprendere le relazioni tra costrutti psicologici, misure comportamentali e variabili sociali.

Considerazioni Importanti

Correlazione Non Implica Causalita

Un'alta correlazione tra due variabili non significa che una causi l'altra. Potrebbero esserci variabili confondenti, causalita inversa o relazioni coincidentali.

La Dimensione del Campione Conta

I campioni piccoli possono produrre correlazioni fuorvianti. Con pochi punti dati, anche dati casuali possono mostrare correlazioni apparentemente forti che non sono statisticamente significative.

Gli Outlier Possono Distorcere i Risultati

I valori estremi possono influenzare notevolmente la correlazione di Pearson. Considera l'uso di Spearman o esamina i tuoi dati per outlier quando i risultati sembrano insoliti.

Domande Frequenti

Cos'e il Coefficiente di Correlazione di Pearson?

Il coefficiente di correlazione di Pearson (r) misura la relazione lineare tra due variabili continue. Varia da -1 a +1, dove +1 indica una relazione lineare positiva perfetta, -1 indica una relazione lineare negativa perfetta e 0 indica nessuna relazione lineare.

Cos'e il Coefficiente di Correlazione per Ranghi di Spearman?

Il coefficiente di correlazione per ranghi di Spearman (rho o rs) e una misura non parametrica che valuta quanto bene la relazione tra due variabili puo essere descritta usando una funzione monotona. Funziona con dati classificati e non presuppone una distribuzione normale.

Come interpreto i valori del coefficiente di correlazione?

Per interpretare gli intervalli di intensità riportati di seguito, usa il valore assoluto |r|. Il segno indica la direzione; questi intervalli descrittivi sono convenzioni, non soglie scientifiche universali.

Cos'e il valore p nell'analisi della correlazione?

Il valore p indica la probabilita di osservare la correlazione calcolata se non ci fosse veramente alcuna correlazione. Un valore p inferiore a 0.05 e tipicamente considerato statisticamente significativo.

Cos'e R-quadro (coefficiente di determinazione)?

R-quadro e il quadrato del coefficiente di correlazione e rappresenta la proporzione di varianza in una variabile spiegata dall'altra. Ad esempio, se r = 0.8, R² = 0.64, il che significa che il 64% della varianza e spiegata.

Quando dovrei usare la correlazione di Pearson rispetto a Spearman?

Usa Pearson quando entrambe le variabili sono continue, distribuite normalmente e linearmente correlate. Usa Spearman quando i dati sono ordinali, contengono outlier o quando la relazione e monotona ma non lineare.

I valori X e Y devono essere inseriti nello stesso ordine di corrispondenza?

Sì. Ogni valore X deve essere associato al valore Y della stessa osservazione e le due colonne devono contenere lo stesso numero di valori. Per esempio, se X registra le ore di studio di una persona e Y il suo punteggio al test, mantieni le ore e il punteggio di ogni persona sulla stessa riga. Se le colonne non sono allineate, la correlazione potrebbe non descrivere la relazione che intendevi misurare.

Cosa succede se tutti i valori di una variabile sono uguali?

La correlazione non è definita se una variabile non presenta variazioni. Per esempio, se ogni valore di X è 5, la deviazione standard di X è zero e la formula della correlazione di Pearson comporterebbe una divisione per zero. Non c’è una variazione di X da confrontare con Y. Se vuoi misurare come due variabili variano insieme, raccogli o seleziona dati in cui entrambe variano.

Una correlazione forte dimostra che modificare X farà cambiare Y?

No. Una correlazione forte descrive un’associazione tra valori appaiati, ma non dimostra che una variabile causi il cambiamento dell’altra. Per esempio, le vendite di gelati e l’attività di nuoto possono aumentare insieme con il caldo, mentre la temperatura influisce su entrambe. Per sostenere una conclusione causale, i ricercatori hanno bisogno di un disegno di studio adeguato e devono considerare altre possibili spiegazioni della relazione.

Cita questo contenuto, pagina o strumento come:

"Calcolatore Coefficiente di Correlazione" su https://MiniWebtool.com/it/calcolatore-del-coefficiente-di-correlazione/ di MiniWebtool, https://MiniWebtool.com/

di miniwebtool team. Aggiornato: 16 gen 2026

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Chatta con la tua IA preferita

Gemini (copia e apri)

In Gemini, incolla la domanda copiata nella chat. Puoi anche copiarla qui sotto.

Visualizza la domanda

Vorrei capire come usare lo strumento Calcolatore Coefficiente di Correlazione di MiniWebtool: https://miniwebtool.com/it/calcolatore-del-coefficiente-di-correlazione/. A cosa serve, quali dati o impostazioni sono necessari e come si usa e si interpreta il risultato? Mostrami un esempio semplice, passo dopo passo. Usa questa pagina come fonte e rispondi in italiano.

Calcolatore Coefficiente di Correlazione

Calcolatore Coefficiente di Correlazione

Pearson, Spearman e Kendall: cosa confronta ciascun coefficiente

In sintesi

Cos'e un Coefficiente di Correlazione?

Interpretare i Valori di Correlazione

Coefficiente di Correlazione di Pearson

Coefficiente di Correlazione per Ranghi di Spearman

Coefficiente di Correlazione Tau di Kendall

Come Usare Questo Calcolatore

Comprendere i Risultati

Risultati Principali

Statistiche Aggiuntive

Quando Usare Ogni Correlazione

Usa la Correlazione di Pearson Quando:

Usa la Correlazione di Spearman Quando:

Usa il Tau di Kendall Quando:

Applicazioni dell'Analisi della Correlazione

Ricerca e Ambito Accademico

Finanza ed Economia

Sanita e Medicina

Psicologia e Scienze Sociali

Considerazioni Importanti

Correlazione Non Implica Causalita

La Dimensione del Campione Conta

Gli Outlier Possono Distorcere i Risultati

Domande Frequenti

Cos'e il Coefficiente di Correlazione di Pearson?

Cos'e il Coefficiente di Correlazione per Ranghi di Spearman?

Come interpreto i valori del coefficiente di correlazione?

Cos'e il valore p nell'analisi della correlazione?

Cos'e R-quadro (coefficiente di determinazione)?

Quando dovrei usare la correlazione di Pearson rispetto a Spearman?

I valori X e Y devono essere inseriti nello stesso ordine di corrispondenza?

Cosa succede se tutti i valori di una variabile sono uguali?

Una correlazione forte dimostra che modificare X farà cambiare Y?

Chatta con la tua IA preferita

Statistiche e analisi dati:

Strumenti popolari e aggiornati:

Scarica tutto in un unico ZIP con Pro