11.1:

11.1: מתאם

JoVE Core
Statistics

A subscription to JoVE is required to view this content. Sign in or start your free trial.

JoVE Core Statistics

Correlation

Please note that all translations are automatically generated. Click here for the English version.

11.2: Coefficient of Correlation

11,749 Views

•

01:09 min

•

April 30, 2023

Overview

בסטטיסטיקה, שני משתנים אמורים להיות מתואמים אם הערכים של משתנה אחד קשורים למשתנה השני. בהתאם לקשר בין שני משתנים, המתאם יכול להיות משלושה סוגים – מתאם חיובי, מתאם שלילי ומתאם אפס.

שני משתנים, לדוגמה, a ו-b, אמורים להיות מתואמים באופן חיובי אם שני המשתנים נעים באותו כיוון. במילים אחרות, קיים מתאם חיובי בין שני משתנים, a ו-b, אם:

משתנה a גדל ככל שמשתנה b גדל
משתנה a יורד ככל שמשתנה b יורד

במתאם שלילי, משתנה אחד, a, יורד כמו המשתנה השני, b, עולה ולהיפך. לדוגמה, גובה וטמפרטורה נמצאים בקורלציה שלילית מכיוון שהטמפרטורה יורדת עם העלייה בגובה.

יתר על כן, כאשר שני משתנים אינם מפגינים קשר, נאמר שיש מתאם אפס ביניהם. לדוגמה, אין קשר בין מספר השירים שאנשים מאזינים להם לבין גובהם.

בנוסף, מתאם יכול להיות ליניארי או לא ליניארי. קשר ליניארי הוא קשר שבו קו ישר מראה את המתאם בין שני משתנים. קשר מעריכי הוא דוגמה למתאם לא ליניארי.

Transcript

בסטטיסטיקה, אם הערכים של משתנה אחד נעים ביחס לערכים של המשתנה האחר, אז שני המשתנים אמורים להיות מתואמים.

שקול את חלקת הפיזור של מכירות גלידה כפונקציה של הטמפרטורה, אשר מראה דפוס ליניארי ברור.

מכיוון שמכירות הגלידה עולות עם הטמפרטורה, למשתנים אלה יש מתאם חיובי.

עכשיו, שקול את חלקת הפיזור של מכירות שוקולד חם כפונקציה של טמפרטורה. לנקודות הנתונים במקרה זה יש גם תבנית ליניארית ולכן יש להן קורלציה.

אבל, מכירות השוקו החם יורדות עם עליית הטמפרטורה, ולכן למשתנים יש מתאם שלילי.

מלבד ליניארי, ניתן לראות דפוסים אחרים גם בחיים האמיתיים. לדוגמה, ככל שעובר הזמן, יש עלייה אקספוננציאלית במקרי COVID לפני שהם מגיעים לרמה. אז זהו מתאם חיובי לא ליניארי.

יכולים להיות מקרים בהם אין מתאם בין שני המשתנים. לדוגמה, למספר הסרטים שנצפו אין מתאם עם מידת הנעליים.

Key Terms and definitions

Correlation - Measure of statistical relationship between two variables.
Positive Correlation - Both variables increase or decrease together.
Negative Correlation - One variable increases as the other decreases and vice versa.
Zero Correlation - No relationship exists between the variables.
Non-Linear Correlation - Relationship doesn't follow a straight line, example: an exponential relationship.

Learning Objectives

Define Correlation - Understand relationship between two variables (e.g., positive correlation).
Contrast Positive vs Negative Correlation - Identify key differences (e.g., movement of variables).
Explore Examples of Correlation Types - Describe scenarios (e.g., altitude and temperature).
Explain Zero Correlation - Understand when there is no relationship between the variables.
Apply Correlation in Statistics - Understand its importance in data analysis.

Questions that this video will help you answer

What is correlation and its types?
How can we identify positive and negative correlation?
What is an example of zero correlation?

This video is also useful for

Students - Understanding correlation aids in solving complex problems in statistics.
Educators - Provides a clear explanation to help with teaching the topic.
Researchers - Important in statistical analysis in various fields of study.
Data Analysts - Crucial for interpreting relationships among variables.

Tags

קורלציה מתאם חיובי מתאם שלילי מתאם אפס משתנים קשר ליניארי מתאם לא ליניארי קשר סטטיסטי גובה וטמפרטורה שירים וגובה קשר מעריכי