Zināšanas cirkulē no vispārējā uz konkrēto, šajā ziņā var pētīt jaunu parādību skaidrojumu attiecības, kas tai ir ar vienas un tās pašas parādības notikumiem, kas bieži tiek darīts izpēte. Pateicoties iepriekšminētajam, ir jāizveido sakarība starp diviem kvantitatīvajiem mainīgajiem lielumiem mācību priekšmetu grupā.
Statistikas zinātnei ir metodes, kas ļauj izmērīt šīs attiecības ar šādiem mērķiem:
Sludinājumi
- Nosakiet, vai abi mainīgie ir savstarpēji saistīti, tas ir, ja viena mainīgā zemākām vai augstākām vērtībām otra mainīgā vērtības mēdz būt vienādi zemākas vai lielākas.
- Paredzēt mainīgā vērtību, ņemot noteiktu vērtību no otra mainīgā.
- Novērtējiet atbilstības līmeni starp abu mainīgo lielumiem.
Šajā rakstā jūs atradīsit:
Kāds ir Pīrsona korelācijas koeficients?
Pīrsona korelācijas koeficients ir divu nejaušu kvantitatīvo mainīgo atbilstības vai lineārās attiecības mērs. Vienkāršāk sakot, to var definēt kā indeksu, ko izmanto, lai mērītu sakarības pakāpi starp diviem mainīgajiem, abiem kvantitatīvajiem.
Sludinājumi
Ja ir divi mainīgie, korelācija atvieglo viena no tiem vērtības novērtēšanu, zinot otra mainīgā vērtību.
Šis koeficients ir pasākums, kas norāda notikumu relatīvo situāciju attiecībā pret abiem mainīgajiem lielumiem tas ir, tas apzīmē skaitlisko izteiksmi, kas norāda atbilstības vai attiecību pakāpi, kas pastāv starp 2 mainīgie. Šie skaitļi svārstās robežās no +1 līdz -1.
Sludinājumi
Kā tas tiek aprēķināts?
Lai jums būtu ceļvedis, kas ļauj:
- Nosakiet abu mainīgo blakus esošās variācijas
- Salīdziniet dažādos gadījumus savā starpā
Lai to izdarītu, tiek izmantots Pīrsona korelācijas koeficients, kas definēts kā kovariācija, kas notiek starp diviem standartizētiem mainīgajiem un tiek aprēķināta ar šādu izteicienu:
Sludinājumi
Kā tas interpretē Pīrsona korelācijas koeficientu?
Tās dimensija norāda asociācijas līmeni starp mainīgajiem.
Sludinājumi
- Kad tas ir mazāks par nulli (r <0), saka, ka pastāv negatīva korelācija: Mainīgie korelē apgrieztā nozīmē.
Augstas vērtības vienā no mainīgajiem parasti atbilst zemajām vērtībām otrā mainīgajā lielumā un otrādi. Jo tuvāk vērtība ir -1 minētajam korelācijas koeficientam, jo acīmredzamāka būs galējā kovariācija.
Ja r = -1, mēs runājam par perfektu negatīvu korelāciju, kas paredz absolūtu noteikšanu starp abiem mainīgajiem, tiešā nozīmē pastāv līdzās perfekta lineāra attiecība ar negatīvu slīpumu.
- Kad tas ir lielāks par nulli (r> 0), saka, ka pastāv pozitīva korelācija: Abi mainīgie korelē tiešā nozīmē.
Augstas vērtības vienā no mainīgajiem atbilst augstām vērtībām otrā mainīgajā, un apgrieztā situācijā tas pats notiek ar zemām vērtībām. Jo tuvāk korelācijas koeficients ir +1, jo acīmredzamāka būs kovariācija.
Ja r = 1 Mēs runājam par perfektu pozitīvu korelāciju, kas paredz absolūtu noteikšanu starp mainīgajiem, tiešā nozīmē pastāv perfekta lineāra sakarība ar pozitīvu slīpumu).
- Kad tas ir vienāds ar nulli (r = 0) Tiek teikts, ka mainīgie ir nepareizi saistīti, nav iespējams noteikt zināmu kovariācijas sajūtu.
Nav lineāras sakarības, taču tas nenozīmē, ka mainīgie ir neatkarīgi, jo starp mainīgajiem var būt nelineāras sakarības.
Kad abi mainīgie ir neatkarīgi, tiek uzskatīts, ka tie nav savstarpēji saistīti, lai gan savstarpīguma rezultāts ne vienmēr ir taisnība.
Noslēgumā var teikt, ka tas izskatās grūtāk, nekā izrādās, it īpaši, ja jums ir tehnoloģijas. uzlabotas, jo šodien ir vairākas programmas, kas atvieglo šī koeficienta aprēķināšanu un interpretēšanu Pīrsons.
