MySQL Math - ¿Es posible calcular una correlación en una consulta?

Question

En una tabla de base de datos MySQL (5.1) hay datos que representa:

• el tiempo que un usuario tarda en realizar una tarea y
• el número de elementos que el usuario maneja durante la tarea.

¿Soportaría MySQL correlacionar los datos o necesito usar PHP/C# para calcular?

¿Dónde encontraría una buena fórmula para calcular la correlación (ha pasado mucho tiempo desde la última vez que hice esto)?

Answer 1

Aquí hay una aplicación aproximada del coeficiente de correlación de la muestra como se describe en:

Wikipedia - Correlation and Dependence

create table sample(x float not null, y float not null); 
insert into sample values (1, 10), (2, 4), (3, 5), (6,17); 

select @ax := avg(x), 
     @ay := avg(y), 
     @div := (stddev_samp(x) * stddev_samp(y)) 
from sample; 

select sum((x - @ax) * (y - @ay))/((count(x) -1) * @div) from sample; 
+---------------------------------------------------------+ 
| sum((x - @ax) * (y - @ay))/((count(x) -1) * @div) | 
+---------------------------------------------------------+ 
|          0.700885077729073 | 
+---------------------------------------------------------+ 

Answer 2

Hay dos sabores del coeficiente de correlación de Pearson, uno para una muestra y una para toda una población. Estas son fórmulas de paso único y, creo, correctas para ambos:

-- Methods for calculating the two Pearson correlation coefficients 
SELECT 
     -- For Population 
     (avg(x * y) - avg(x) * avg(y))/
     (sqrt(avg(x * x) - avg(x) * avg(x)) * sqrt(avg(y * y) - avg(y) * avg(y))) 
     AS correlation_coefficient_population, 
     -- For Sample 
     (count(*) * sum(x * y) - sum(x) * sum(y))/
     (sqrt(count(*) * sum(x * x) - sum(x) * sum(x)) * sqrt(count(*) * sum(y * y) - sum(y) * sum(y))) 
     AS correlation_coefficient_sample 
    FROM your_table; 

Desarrollé y probé esto como T-SQL. El código que generó los datos de prueba no se tradujo a MySQL pero las fórmulas deberían. Asegúrate de que tus valores x e y sean decimales; las matemáticas enteras pueden tener un impacto significativo en estos cálculos.