Mapa de Calor de Correlação

Veja todas as correlações em pares de relance — vermelho significa relacionado, azul significa inversamente relacionado

Um mapa de calor de correlação é uma matriz onde cada célula mostra o Pearson r entre duas colunas numéricas. A cor faz com que os padrões apareçam instantaneamente: células vermelhas (r próximo de +1) significam que as duas variáveis sobem juntas; células azuis (r próximo de -1) significam que uma sobe enquanto a outra cai; células brancas/pálidas (r próximo de 0) significam nenhuma relação linear.

Esta ferramenta carrega um conjunto de dados amostral de 30 pessoas com Idade, Altura, Peso, Pontuação e Renda. Altura e Peso são intencionalmente correlacionados (~0,7); Idade e Renda estão moderadamente correlacionadas (~0,6); Pontuação é independente do resto. Clique em Vincular Dados para construir o mapa de calor e ver quais pares estão realmente relacionados.

Cole qualquer CSV numérico de múltiplas colunas para construir um mapa de calor de correlação para seus próprios dados.

Tópicos relacionados

Calculadora de RegressãoCriador de Gráfico de DispersãoCalculadora de Estatísticas
O que é um mapa de calor de correlação?
Um mapa de calor de correlação é uma grade onde linhas e colunas representam variáveis, e cada célula mostra o coeficiente de correlação de Pearson r entre esse par. As cores codificam a força e direção: cores quentes (vermelho/laranja) para correlação positiva, cores frias (azul) para negativa, e neutro (branco) para próximo de zero.
O que é Pearson r e o que seus valores significam?
Pearson r varia de -1 a +1. r = +1 é uma relação linear positiva perfeita (à medida que X aumenta, Y sempre aumenta proporcionalmente). r = -1 é uma relação inversa perfeita. r = 0 significa nenhuma relação linear — embora uma relação não linear ainda possa existir. Como guia aproximado: |r| > 0,7 = forte, 0,4–0,7 = moderada, < 0,4 = fraca.
O que significa r = 0 — significa que não há relação?
r = 0 significa nenhuma relação linear. Duas variáveis podem ter uma forte relação não linear (ex.: em forma de U) e ainda produzir r ≈ 0. Sempre combine o mapa de calor com gráficos de dispersão para verificar curvas ou agrupamentos que o Pearson r perde.
Quando devo usar um mapa de calor de correlação?
Os mapas de calor são mais úteis quando você tem 3 ou mais colunas numéricas e quer encontrar rapidamente quais pares vale a pena investigar mais. Eles são um primeiro passo padrão na análise exploratória de dados (EDA) antes de construir modelos de regressão — ajudam a identificar multicolinearidade e preditores interessantes.
Correlação significa causalidade?
Não. Uma alta correlação entre duas variáveis significa apenas que elas se movem juntas neste conjunto de dados — não que uma cause a outra. Vendas de sorvete e taxas de queimadura solar são altamente correlacionadas (ambas atingem pico no verão), mas nenhuma causa a outra. Estabelecer causalidade requer experimentos controlados ou métodos cuidadosos de inferência causal.
Por que a diagonal é sempre 1,0?
A diagonal de uma matriz de correlação mostra a correlação de cada variável consigo mesma, que é sempre um +1 perfeito. Isso é esperado e normal — apenas confirma que a matriz está correta.