{"id":617,"date":"2026-10-04T07:09:19","date_gmt":"2026-10-04T06:09:19","guid":{"rendered":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-pearson\/"},"modified":"2026-10-04T07:09:19","modified_gmt":"2026-10-04T06:09:19","slug":"calculadora-correlacao-pearson","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-pearson\/","title":{"rendered":"Calculadora do Coeficiente de Correla\u00e7\u00e3o de Pearson"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Calcular Correla\u00e7\u00e3o de Pearson<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"617\" data-favorite-title=\"Coeficiente de Correla\u00e7\u00e3o\" data-favorite-url=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-pearson\/\" data-favorite-excerpt=\"Introduza dois conjuntos de dados emparelhados e obtenha instantaneamente o coeficiente de correla\u00e7\u00e3o de Pearson r, o coeficiente de determina\u00e7\u00e3o r\u00b2, a covari\u00e2ncia e uma interpreta\u00e7\u00e3o em linguagem simples da for\u00e7a e da dire\u00e7\u00e3o da rela\u00e7\u00e3o.\" aria-label=\"Adicionar aos favoritos\" data-favorite-icon=\"icon icon-wpcalc-regression-plot\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-pearson\/\" method=\"POST\" class=\"calculator\" id=\"calculator-617\" data-post=\"617\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Campos de entrada<\/legend><div class=\"field is-single\" id=\"input-1\"><label for=\"field-1\">Conjunto de dados X<\/label><textarea id=\"field-1\" name=\"conjunto_de_dados_x\">1, 2, 3, 4, 5, 6, 7, 8<\/textarea><\/div><div class=\"field is-single\" id=\"input-2\"><label for=\"field-2\">Conjunto de dados Y<\/label><textarea id=\"field-2\" name=\"conjunto_de_dados_y\">53, 61, 68, 74, 80, 85, 90, 95<\/textarea><\/div><div class=\"field\" id=\"input-3\"><label for=\"field-3\">Tipo de covari\u00e2ncia<\/label><div class=\"grid grid-cols-1\"><select id=\"field-3\" name=\"tipo_de_covarincia\"><option value=\"sample\" selected>Amostra (dividir por n \u2212 1)<\/option><option value=\"population\">Popula\u00e7\u00e3o (dividir por n)<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Recalcular\" id=\"calculate-button\" data-post=\"617\">Calcular<\/button><button type=\"reset\">Redefinir<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Calcular automaticamente<\/label><small>Se ativado, o resultado \u00e9 atualizado automaticamente quando voc\u00ea altera qualquer valor.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Os seus Resultados<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Coeficiente de correla\u00e7\u00e3o de Pearson<\/span><span class=\"result-term\">r<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-2\"><span class=\"field-title\"><span>Coeficiente de determina\u00e7\u00e3o<\/span><span class=\"result-term\">r\u00b2<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>Covari\u00e2ncia<\/span><span class=\"result-term\">cov(X,Y)<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-4\"><span class=\"field-title\"><span>N\u00famero de pares<\/span><span class=\"result-term\">n<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-5\"><span class=\"field-title\"><span>Interpreta\u00e7\u00e3o<\/span><\/span><span class=\"field-value\" id=\"result-5\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Copiar link para este c\u00e1lculo<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Deixar um coment\u00e1rio<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"617\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">O que voc\u00ea achou deste resultado?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Curti <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">\u00datil <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Confuso <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Decepcionado <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Impreciso <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>F\u00f3rmula do Coeficiente de Correla\u00e7\u00e3o<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">F\u00f3rmula<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ r = \\frac{\\sum_{i=1}^{n} (x_i - \\bar{x})(y_i - \\bar{y})}{\\sqrt{\\sum_{i=1}^{n} (x_i - \\bar{x})^2 \\cdot \\sum_{i=1}^{n} (y_i - \\bar{y})^2}} \\]<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Onde:<\/strong><\/p>\n<ul>\n<li>\\(r\\) \u2014 coeficiente de correla\u00e7\u00e3o de Pearson, sempre entre \\(-1\\) e \\(+1\\)<\/li>\n<li>\\(x_i, y_i\\) \u2014 os valores dos dados emparelhados<\/li>\n<li>\\(\\bar{x}, \\bar{y}\\) \u2014 as m\u00e9dias dos dois conjuntos de dados<\/li>\n<li>\\(n\\) \u2014 o n\u00famero de pares<\/li>\n<\/ul>\n<p>O numerador \u00e9 a soma dos produtos cruzados dos desvios (o numerador da covari\u00e2ncia); o denominador o redimensiona pelo produto das dispers\u00f5es de X e Y, de modo que o resultado se torna um n\u00famero adimensional. \u00c9 por isso que r n\u00e3o \u00e9 afetado pelas unidades ou pela escala dos seus dados.<\/p>\n<p>A calculadora tamb\u00e9m informa o coeficiente de determina\u00e7\u00e3o \\( r^2 \\) e a covari\u00e2ncia:<\/p>\n<p>\\[ r^2 = r \\times r, \\qquad \\operatorname{cov}(X,Y) = \\frac{\\sum_{i=1}^{n} (x_i - \\bar{x})(y_i - \\bar{y})}{n - 1 \\ \\text{(amostral)} \\ \\text{ou} \\ n \\ \\text{(populacional)}} \\]\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Coeficiente de Correla\u00e7\u00e3o \u2013 Exemplo de C\u00e1lculo<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Exemplo:<\/strong> um pesquisador mede as horas de estudo (X) e as notas de uma prova (Y) de oito estudantes: X = 1, 2, 3, 4, 5, 6, 7, 8 e Y = 53, 61, 68, 74, 80, 85, 90, 95.<\/p>\n<p>\\[ \\bar{x} = \\frac{1+2+\\cdots+8}{8} = 4.5, \\qquad \\bar{y} = \\frac{53+61+\\cdots+95}{8} = 75.75 \\]<\/p>\n<p>\\[ \\sum (x_i - \\bar{x})(y_i - \\bar{y}) = 248, \\qquad \\sum (x_i - \\bar{x})^2 = 42, \\qquad \\sum (y_i - \\bar{y})^2 = 1475.5 \\]<\/p>\n<p>\\[ r = \\frac{248}{\\sqrt{42 \\times 1475.5}} = \\frac{248}{248.94} \\approx 0.9962 \\]<\/p>\n<p><strong>Resultado:<\/strong> r \u2248 0,9962, uma rela\u00e7\u00e3o linear positiva muito forte. O coeficiente de determina\u00e7\u00e3o \u00e9 r\u00b2 \u2248 0,9925, o que significa que cerca de 99,25% da varia\u00e7\u00e3o das notas \u00e9 explicada pelas horas de estudo. Com o tipo de covari\u00e2ncia \"Amostral\", cov(X, Y) = 248 \/ 7 \u2248 35,43; com \"Populacional\", cov(X, Y) = 248 \/ 8 = 31. H\u00e1 n = 8 pares.<\/p>\n<p>\n\r\n<\/section>\n<h2>Como Usar a Calculadora<\/h2>\n<ol>\n<li>Digite os valores da sua primeira vari\u00e1vel no campo <strong>Conjunto de dados X<\/strong>. Separe os n\u00fameros com v\u00edrgulas, espa\u00e7os, ponto e v\u00edrgula ou quebras de linha \u2014 como preferir.<\/li>\n<li>Digite os valores correspondentes em <strong>Conjunto de dados Y<\/strong>, na mesma ordem de X. Cada valor de X deve estar emparelhado com exatamente um valor de Y, e ambos os conjuntos devem conter o mesmo n\u00famero de valores.<\/li>\n<li>Escolha o <strong>Tipo de covari\u00e2ncia<\/strong>: \"Amostral (dividir por n \u2212 1)\" se os seus pares s\u00e3o uma amostra de uma popula\u00e7\u00e3o maior, ou \"Populacional (dividir por n)\" se voc\u00ea tem dados de toda a popula\u00e7\u00e3o. Essa escolha afeta apenas a covari\u00e2ncia informada \u2014 o coeficiente de correla\u00e7\u00e3o r \u00e9 id\u00eantico em ambos os casos.<\/li>\n<li>Leia os resultados: o <strong>r<\/strong> de Pearson, o coeficiente de determina\u00e7\u00e3o <strong>r\u00b2<\/strong>, a <strong>covari\u00e2ncia<\/strong>, o n\u00famero de pares <strong>n<\/strong> e uma interpreta\u00e7\u00e3o da rela\u00e7\u00e3o em linguagem simples.<\/li>\n<\/ol>\n<h2>O Que \u00c9 o Coeficiente de Correla\u00e7\u00e3o de Pearson?<\/h2>\n<p>O coeficiente de correla\u00e7\u00e3o de Pearson (geralmente escrito como <em>r<\/em>) mede a for\u00e7a e a dire\u00e7\u00e3o de uma rela\u00e7\u00e3o <strong>linear<\/strong> entre duas vari\u00e1veis num\u00e9ricas. Ele sempre est\u00e1 entre \\(-1\\) e \\(+1\\):<\/p>\n<ul>\n<li><strong>+1<\/strong> \u2014 uma rela\u00e7\u00e3o linear positiva perfeita: todo aumento de X vem acompanhado de um aumento proporcional de Y.<\/li>\n<li><strong>0<\/strong> \u2014 nenhuma associa\u00e7\u00e3o linear entre as vari\u00e1veis.<\/li>\n<li><strong>\u22121<\/strong> \u2014 uma rela\u00e7\u00e3o linear negativa perfeita: \u00e0 medida que X aumenta, Y diminui proporcionalmente.<\/li>\n<\/ul>\n<p>O sinal indica a dire\u00e7\u00e3o da rela\u00e7\u00e3o, enquanto o valor absoluto indica o qu\u00e3o fortemente os pontos de dados se agrupam em torno de uma reta. Como r \u00e9 padronizado, ele n\u00e3o depende das unidades de medida: a correla\u00e7\u00e3o entre altura e peso \u00e9 a mesma, quer voc\u00ea me\u00e7a em quilogramas e cent\u00edmetros ou em libras e polegadas.<\/p>\n<p>O coeficiente de determina\u00e7\u00e3o <strong>r\u00b2<\/strong> responde a uma pergunta relacionada: quanto da varia\u00e7\u00e3o de Y \u00e9 explicada pela sua rela\u00e7\u00e3o linear com X. Por exemplo, r = 0,7 d\u00e1 r\u00b2 = 0,49, ou seja, aproximadamente 49% da varia\u00e7\u00e3o de Y \u00e9 explicada pela tend\u00eancia linear. Frequentemente, essa \u00e9 uma forma mais intuitiva e honesta de comunicar o tamanho pr\u00e1tico de uma rela\u00e7\u00e3o.<\/p>\n<p>A <strong>covari\u00e2ncia<\/strong> informada junto com r \u00e9 a vers\u00e3o n\u00e3o padronizada da mesma ideia. A covari\u00e2ncia descreve a dire\u00e7\u00e3o da varia\u00e7\u00e3o conjunta, mas sua magnitude depende das unidades \u2014 e \u00e9 exatamente por isso que o r padronizado costuma ser a estat\u00edstica mais \u00fatil.<\/p>\n<h2>Interpretando o Resultado: Um Guia Aproximativo<\/h2>\n<p>A escala de interpreta\u00e7\u00e3o usada por esta calculadora \u00e9 uma conven\u00e7\u00e3o descritiva comum. Trate os limites como aproximados, n\u00e3o como regras r\u00edgidas \u2014 o contexto importa:<\/p>\n<table>\n<thead>\n<tr>\n<th>|r|<\/th>\n<th>For\u00e7a descritiva<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>0,90 \u2013 1,00<\/td>\n<td>Muito forte<\/td>\n<\/tr>\n<tr>\n<td>0,70 \u2013 0,89<\/td>\n<td>Forte<\/td>\n<\/tr>\n<tr>\n<td>0,50 \u2013 0,69<\/td>\n<td>Moderada<\/td>\n<\/tr>\n<tr>\n<td>0,30 \u2013 0,49<\/td>\n<td>Fraca<\/td>\n<\/tr>\n<tr>\n<td>0,00 \u2013 0,29<\/td>\n<td>Muito fraca a nula<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Premissas, Limita\u00e7\u00f5es e Dicas Pr\u00e1ticas<\/h2>\n<ul>\n<li><strong>Linearidade:<\/strong> o r de Pearson detecta apenas padr\u00f5es de reta. Uma rela\u00e7\u00e3o pode ser muito forte, mas curva (por exemplo, Y = X\u00b2) e ainda assim produzir um r pr\u00f3ximo de 0. Sempre trace um gr\u00e1fico dos seus dados antes de tirar conclus\u00f5es com base apenas em r.<\/li>\n<li><strong>Correla\u00e7\u00e3o n\u00e3o \u00e9 causalidade:<\/strong> um r alto mostra que duas vari\u00e1veis se movem juntas, n\u00e3o que uma causa a outra. Uma terceira vari\u00e1vel oculta pode estar impulsionando ambas.<\/li>\n<li><strong>Valores at\u00edpicos (outliers):<\/strong> r \u00e9 sens\u00edvel a valores extremos. Um \u00fanico ponto incomum pode inflar ou reduzir drasticamente o coeficiente, especialmente em amostras pequenas.<\/li>\n<li><strong>Dados emparelhados:<\/strong> o c\u00e1lculo exige que cada valor de X esteja emparelhado com um valor de Y (mesma fonte ou unidade). Duas listas de n\u00fameros n\u00e3o relacionadas produzem um r sem sentido.<\/li>\n<li><strong>Tamanho da amostra:<\/strong> com muito poucos pares, at\u00e9 mesmo um r grande pode surgir por acaso. Com n = 2, o coeficiente \u00e9 sempre exatamente +1 ou \u22121, motivo pelo qual s\u00e3o necess\u00e1rios pelo menos 2 pares, e mais pares s\u00e3o fortemente recomendados.<\/li>\n<li><strong>Dados cont\u00ednuos:<\/strong> o r de Pearson foi projetado para dados cont\u00ednuos, aproximadamente num\u00e9ricos. Para dados ordinais (classifica\u00e7\u00f5es), a correla\u00e7\u00e3o de postos de Spearman costuma ser a escolha mais adequada.<\/li>\n<\/ul>\n<p>Por fim, lembre-se da diferen\u00e7a entre as op\u00e7\u00f5es de covari\u00e2ncia: o divisor (n \u2212 1 versus n) altera o valor da covari\u00e2ncia, mas nunca altera r ou r\u00b2, pois o mesmo fator aparece no numerador e no denominador da f\u00f3rmula de correla\u00e7\u00e3o.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Introduza dois conjuntos de dados emparelhados e obtenha instantaneamente o coeficiente de correla\u00e7\u00e3o de Pearson r, o coeficiente de determina\u00e7\u00e3o r\u00b2, a covari\u00e2ncia e uma interpreta\u00e7\u00e3o em linguagem simples da for\u00e7a e da dire\u00e7\u00e3o da rela\u00e7\u00e3o.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12],"tags":[30],"class_list":["post-617","post","type-post","status-publish","format-standard","hentry","category-estatistica","tag-correlacao-regressao"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/617","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/comments?post=617"}],"version-history":[{"count":0,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/617\/revisions"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/media?parent=617"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/categories?post=617"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/tags?post=617"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}