Při testování často používáme pro jednu osobu více
testů.
(K jedné TO máme několik výsledků)
Pokud s daty chceme pracovat dále, často nás zajímá, zda se mezi výsledky
objeví vzájemná závislost.
(např. zda TO s nadprůměrným výkonem u skoku dalekého z místa bude nadprůměrná i u vertikálního skoku dosažného).
Pro popis vzájemné závislosti proměnných zpravidla využíváme určení
síly závislosti - korelace.
Pro měření korelace se nejčastěji používá
Pearsonův korelační koeficient r
© Tom Vespa
Korelační koeficient r může nabývat hodnoty Od -1 do 1,
kde 1 a -1 znamená maximální závislost promě zatímco 0 značí nezávislost proměnných.
V případě záporné hodnoty korelačního koeficientu platí, že zatímco jedna proměnná roste, druhá klesá - nepřímá závislost
U korelačního koeficientu nás tedy zajímá: jeho velikost (absolutní hodnota)
znaménko (udává směr korelace).
© Tom Vespa
Skok daleký z místa
n
2
3
4
5
6
x (cm)
178
182
188
191
193
199
Vertikální skok dosažný
Microsoft Excel - vzorový přiklad statistika korel
Bl 1 Soubor   Úpravy    Zobrazit   Vložit   Formát   Nástroje   Data   Okno   Nápověda   PDF Create!
46
49
54
52
58
59
- X =CORREI_0
;kok daleky z míst
2	ii	x (cm)	V(cm)   i I	
3	1	178	46!	
4	2	182	49]	
rš-	3	188	54!	
6	4	191	52!	
	5	193	58	
8	6	199	59	
9	průměr	188,5	53	
10				
11		correl	0,945458	
12				
13				
14		sy2	21,33333	1
Argumenty funkce
Vrátí korelační koeficient mezi dvěma množinami dat.
Polel je oblast buněk s hodnotami. Hodnoty mohou být čísla, názvy, matice nebo odkazy obsahující čísla.
Výsledek =
Nápověda k teto Funkci
Correl = 0,945
© Tom Vespa
1
Je třeba si uvědomit, že korelace pouze popisuje vzájemný vztah mezi dvěma proměnnými, ale neznamená příčinnost jevu.
© Tom Vespa