Correlação é uma ferramenta para investigar se duas variáveis variam juntas. No material fornecido, o exemplo inicial pergunta se mais horas de estudo estão associadas a notas mais altas. A pergunta parece simples, mas a resposta estatística exige duas coisas: um gráfico de dispersão e uma medida que resuma a associação linear.
O coeficiente de correlação linear de Pearson, representado por r, assume valores entre −1 e +1. O sinal informa a direção da associação linear; o valor absoluto indica quão próximos os pontos estão de um padrão linear. O detalhe decisivo é a palavra linear: um r pequeno não prova ausência de relação. Os próprios materiais mostram que relações curvas podem existir mesmo quando a correlação linear não as resume bem.
Comece pelo diagrama de dispersão
Por convenção, a variável explicativa ou independente é colocada no eixo horizontal X e a resposta ou variável dependente no eixo vertical Y. Cada observação vira um ponto. Antes de calcular qualquer coeficiente, observe o desenho formado por esses pontos.
Horas estudadas × nota
Os seis pares apresentados são: (6,82), (2,63), (1,57), (5,88), (3,68) e (2,75). Calculando Pearson para esses dados, obtemos aproximadamente:
Há uma associação linear positiva forte no pequeno conjunto: em geral, valores maiores de horas aparecem com notas maiores. Isso não demonstra que aumentar horas, sozinho, causa a nota; apenas descreve como as observações se associam.
O que o coeficiente r realmente mede
Pearson resume a força e a direção da associação linear. Se r > 0, os valores tendem a crescer juntos; se r < 0, quando um cresce o outro tende a diminuir. Quanto mais |r| se aproxima de 1, mais estreito é o padrão linear. Em r próximo de zero, não há associação linear forte — mas ainda pode haver estrutura não linear.
O material didático apresenta uma escala de referência com 0,20 como associação baixa, 0,40 como moderada, 0,70 como alta e 1,00 como correspondência perfeita. Essa escala deve ser entendida como orientação didática do material, não como fronteira universal: a relevância de r depende do processo, ruído, risco e decisão.
Laboratório de correlação
Cole pares no formato X;Y, uma observação por linha. O laboratório calcula Pearson diretamente no navegador. Nenhum dado é enviado ao servidor.
Calcule r com seus pares
Use ponto ou vírgula como separador decimal; separe X e Y por ponto e vírgula, tabulação ou espaço.
Correlação não é causalidade
Esse é um dos erros mais comuns em análise de dados. Duas variáveis podem caminhar juntas porque X influencia Y, porque Y influencia X, porque uma terceira variável influencia ambas, porque existe tendência temporal comum ou simplesmente por coincidência em uma amostra pequena. O coeficiente r não identifica mecanismo causal.
Em vez de “X causa Y?”, uma correlação responde primeiro: “há uma associação linear mensurável entre X e Y neste conjunto?”. A causalidade exige desenho de estudo e evidências adicionais.
r baixo não significa “nenhuma relação”
O material traz exemplos de associação não linear e chama atenção explicitamente para o fato de que Pearson não é apropriado para resumir relações curvas. Imagine uma resposta que aumenta até certo ponto e depois diminui. Os efeitos positivos e negativos podem se compensar e gerar r próximo de zero, apesar de o gráfico revelar um padrão evidente.
Por isso, a ordem recomendada é: visualizar, investigar a forma, calcular a medida e voltar ao gráfico para validar a leitura.
O Quarteto de Anscombe: quatro números iguais, quatro histórias
Outro elemento forte do material é o Quarteto de Anscombe. Os quatro conjuntos podem compartilhar a mesma equação linear e praticamente a mesma correlação, mas os gráficos exibem comportamentos radicalmente diferentes: linearidade razoável, curvatura, ponto influente e concentração vertical.
Nunca dispense o gráfico
Estatísticas-resumo podem ser idênticas e, ainda assim, esconder estruturas completamente diferentes. O diagrama de dispersão é parte da análise, não uma ilustração opcional depois do cálculo.
Correlação e regressão são parentes, não sinônimos
Correlação é simétrica: trocar X por Y não muda r. Regressão, por outro lado, define uma resposta Y e uma ou mais preditoras X e estima uma equação para explicar ou prever Y. Na regressão simples, a reta é escrita como Y = a + bX; o coeficiente b traduz a mudança média esperada de Y para uma unidade de X.
Uma correlação forte pode justificar investigar uma regressão, mas uma boa análise de regressão exige verificar forma funcional, resíduos, observações influentes e domínio de previsão.
Cinco erros que distorcem a leitura
- Calcular r sem gráfico. Você perde curvatura, clusters e pontos influentes.
- Confundir associação com causa. O coeficiente não descreve mecanismo.
- Interpretar r=0 como independência. Pode existir relação não linear.
- Usar poucos dados como certeza. Uma amostra pequena pode produzir um r instável.
- Escolher variáveis depois de ver o resultado. Caçar correlações aumenta o risco de conclusões oportunistas.
Onde a correlação entra em melhoria contínua
Em DMAIC, o diagrama de dispersão e a correlação podem apoiar a fase Analyze quando a equipe testa hipóteses sobre relação entre possíveis X e o Y crítico. Eles ajudam a priorizar investigações, mas não encerram a análise causal. Uma correlação operacionalmente relevante deve voltar ao processo, às causas potenciais e, quando possível, a testes controlados.
Ferramenta ajuda a executar. Método ajuda a transformar.
Se o desafio deixou de ser apenas entender um conceito e passou a envolver processo, indicadores, variabilidade, governança ou projeto de melhoria, a Struckel pode estruturar a jornada com sua equipe.