11.1
W statystyce, jeśli wartości jednej zmiennej poruszają się w stosunku do wartości drugiej zmiennej, to mówi się, że te dwie zmienne mają korelację.
Rozważmy wykres punktowy sprzedaży lodów jako funkcję temperatury, który pokazuje wyraźny wzorzec liniowy.
Ponieważ sprzedaż lodów rośnie wraz z temperaturą, zmienne te mają dodatnią korelację.
Rozważmy teraz wykres punktowy sprzedaży gorącej czekolady w funkcji temperatury. Punkty danych w tym przypadku mają również wzorzec liniowy, a zatem mają korelację.
Ale sprzedaż gorącej czekolady spada wraz ze wzrostem temperatury, więc zmienne mają ujemną korelację.
Oprócz liniowych, w prawdziwym życiu można również zaobserwować inne wzorce. Na przykład w miarę upływu czasu następuje wykładniczy wzrost liczby przypadków COVID, zanim osiągnie plateau. Jest to więc korelacja nieliniowa, dodatnia.
Mogą wystąpić przypadki, w których nie ma korelacji między tymi dwiema zmiennymi. Na przykład liczba obejrzanych filmów nie ma związku z rozmiarem buta.
W statystyce mówi się, że dwie zmienne są skorelowane, jeśli wartości jednej zmiennej są powiązane z drugą zmienną. W zależności od związku między dwiema zmiennymi, możemy mieć trzy typy korelacji– korelacja dodatnia, korelacja ujemna i korelacja zerowa.
Mówi się, że dwie zmienne, na przykład a i b, są dodatnio skorelowane, jeśli obie zmienne poruszają się w tym samym kierunku. Innymi słowy, istnieje dodatnia korelacja między dwiema zmiennymi a i b, jeśli:
W przypadku korelacji ujemnej jedna zmienna a maleje, podczas gdy druga zmienna b rośnie i odwrotnie. Na przykład wysokość i temperatura są ze sobą ujemnie skorelowane, ponieważ temperatura spada wraz ze wzrostem wysokości.
Co więcej, gdy dwie zmienne nie wykazują żadnego związku, mówi się, że korelacja między nimi wynosi zero. Na przykład nie ma związku między liczbą piosenek słuchanych przez poszczególne osoby a ich wzrostem.
Dodatkowo korelacja może być liniowa lub nieliniowa. Zależność liniowa to taka, w której linia prosta pokazuje korelację między dwiema zmiennymi. Przykładem korelacji nieliniowej jest zależność wykładnicza.
W statystyce, jeśli wartości jednej zmiennej poruszają się w stosunku do wartości drugiej zmiennej, to mówi się, że te dwie zmienne mają korelację.
Rozważmy wykres punktowy sprzedaży lodów jako funkcję temperatury, który pokazuje wyraźny wzorzec liniowy.
Ponieważ sprzedaż lodów rośnie wraz z temperaturą, zmienne te mają dodatnią korelację.
Rozważmy teraz wykres punktowy sprzedaży gorącej czekolady w funkcji temperatury. Punkty danych w tym przypadku mają również wzorzec liniowy, a zatem mają korelację.
Ale sprzedaż gorącej czekolady spada wraz ze wzrostem temperatury, więc zmienne mają ujemną korelację.
Oprócz liniowych, w prawdziwym życiu można również zaobserwować inne wzorce. Na przykład w miarę upływu czasu następuje wykładniczy wzrost liczby przypadków COVID, zanim osiągnie plateau. Jest to więc korelacja nieliniowa, dodatnia.
Mogą wystąpić przypadki, w których nie ma korelacji między tymi dwiema zmiennymi. Na przykład liczba obejrzanych filmów nie ma związku z rozmiarem buta.
From Chapter 11:
Now Playing
Correlation and Regression
12.6K Views
Correlation and Regression
8.0K Views
Correlation and Regression
6.6K Views
Correlation and Regression
7.7K Views
Correlation and Regression
5.4K Views
Correlation and Regression
7.4K Views
Correlation and Regression
4.9K Views
Correlation and Regression
6.5K Views
Correlation and Regression
2.6K Views
Correlation and Regression
3.6K Views