Summary  
This chapter explains how to compute correlation coefficients between numeric variables and generate a correlation matrix using a built-in statistical function.  

General domain of usage  
Automotive sales data analysis.

**Korrelasjonsanalyse** er en statistisk teknikk som brukes til å måle styrken og retningen på et forhold mellom to numeriske variabler. Dette hjelper oss å forstå hvordan endringer i én variabel henger sammen med endringer i en annen.

## Hva er korrelasjon?
En korrelasjonskoeffisient (vanligvis representert som $$r$$) varierer mellom -1 og 1 og betyr:
- **1**: perfekt positiv korrelasjon;
- **0**: ingen korrelasjon;
- **−1**: perfekt negativ korrelasjon.

Det finnes flere typer korrelasjonsmetoder, men Pearson-korrelasjon er den mest brukte for numeriske kontinuerlige data i R.

## Korrelasjon mellom to variabler
Du kan bruke funksjonen `cor()` for å beregne korrelasjonskoeffisienten mellom to variabler. Alt du trenger er å oppgi to kolonner som parametere.
```
cor(df$selling_price, df$km_driven)
```
Som resultat returnerer funksjonen en verdi mellom -1 og 1.

## Korrelasjonsmatrise (flere variabler)
Den samme funksjonen kan brukes til å undersøke sammenhenger mellom flere variabler.
```
# Select only numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine", "seats")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs")  # Ignores any rows with missing data
```
Resultatet lagres som en matrise som viser parvise korrelasjonsverdier mellom alle valgte numeriske variabler.

Last ned datasett

Last ned kapittelkode

En korrelasjonskoeffisient på **-0,9** indikerer:


Få praktisk erfaring med dataanalyse i R ved å lære hvordan du rengjør, transformerer og visualiserer datasett. Utforsk essensielle arbeidsflyter som utvalg og filtrering av data, håndtering av manglende verdier og oppsummering av resultater. Bygg selvtillit i å forberede data for innsikt, rapportering og dypere statistisk utforskning.

Utforsk grunnleggende prinsipper for dataanalyse med R. Lær hvordan du installerer verktøyene, laster inn og inspiserer datasett, velger og filtrerer informasjon, sorterer og transformerer data, håndterer manglende verdier og oppsummerer resultater for dypere innsikt.

Lær å lage overbevisende visualiseringer med ggplot2. Bygg stolpediagrammer, histogrammer, tetthetsplott og spredningsplott, og tilpass og forbedre dem med stilvalg og fasettering for å avdekke dypere innsikt i dataene dine.

Styrk din forståelse av statistikk for dataanalyse. Bruk beskrivende mål, identifiser og håndter uteliggere, og anvend korrelasjonsteknikker med visuelle verktøy som varmekart og spredningsdiagrammer for å avdekke meningsfulle sammenhenger.