Ok, nesse primeiro post gostaria de conversar sobre uma ferramenta muito interessante na estatística: a correlação.
Correlação
Correlação é literalmente o quanto duas variáveis X e Y têm em comum e variam linearmente entre si ou, em suma, o quanto seus resultados são parecidos. A imagem abaixo demonstra de uma maneira mais simples (em geral).

Então, pode-se definir correlação como:

Onde cov é covariância e

Dentre as formulas existentes para se calular a correlação, a mais usada é o Coeficiente de Pearson, deduzido das fórmulas de cima:

Sendo assim, é um número entre -1 e 1. Mas como interpretar esse número? A Correlação pode aferir sobre os mais diversos temas, de Exatas até Ciências Humanas. Na primeira, pelo resultado ser mais preciso é necessária uma correlação maior (em módulo, entre 1 e 0.7) dependendo do caso. Já no segundo, por ser algo mais intangível, sucetível a opiniões, correlações entre 0.7 e 0.4 podem já demonstrar uma relação forte. É importante citar que correlações negativas demonstram que as variáveis se comportam de ordem inversa (quando uma sobe a outra desce).
Uma propriedade da correlação e pode-se até brincar entre as fórmulas é testar transformações lineares nela. Ela não se altera se somarmos um k a todos os itens de uma variável ou mesmo se multiplicamos por um
o máximo que ocorrerá é inverter o sinal da correlação se k for negativo.Visualização
Em estudos sociais se tem um grande número de variáveis, e como é necessário estudar todas estas relações e assim nos deparamos com matrizes grandes e difíceis de explicar. Visualizações na área da correlação se tornam uma tar difícil a medida que queremos demonstrar mais variáveis e suas relações. Imaginando-se por exemplo uma pesquisa onde temos na ordem de 10 dimensões de abordagens e respostas, como fazer para mostrar o que é mais importante abordar, e que decisão tomar? Nesse caso, seria necessário enxergar quantas dimensões?
É como ver um poliedro onde cada vértice representa uma variável e estão todos ligados por molas (as correlações). Quando soltarmos os vértices, que forma teremos? Abaixo está o que mais pode-se concluir disso, onde cada esfera representa uma variável:
Cada vez mais perto do certo e maior a esfera, maior é a correlação daquela variável com as demais. A proximidade entre elas também é resultado das correlações mais importantes, isto porque não tem como demonstrar o "exatamente exato", pois estão todas as variáveis relacionadas. Esta imagem juntamente com as notas de cada variável, já nos permite por exemplo definir atuações que sejam mais efetivas ... e aí por diante.
Toda essa conversa sobre estatística e interpretação me lembrou de uma coisa, aliás (by xkcd):

