Презентация на тему "Понятие корреляционной зависимости"

Презентация: Понятие корреляционной зависимости
1 из 15
Ваша оценка презентации
Оцените презентацию по шкале от 1 до 5 баллов
  • 1
  • 2
  • 3
  • 4
  • 5
0.0
0 оценок

Комментарии

Нет комментариев для данной презентации

Помогите другим пользователям — будьте первым, кто поделится своим мнением об этой презентации.


Добавить свой комментарий

Аннотация к презентации

Презентация powerpoint на тему "Понятие корреляционной зависимости". Содержит 15 слайдов. Скачать файл 0.56 Мб. Самая большая база качественных презентаций. Смотрите онлайн или скачивайте на компьютер.

  • Формат
    pptx (powerpoint)
  • Количество слайдов
    15
  • Слова
    другое
  • Конспект
    Отсутствует

Содержание

  • Презентация: Понятие корреляционной зависимости
    Слайд 1

    Понятие корреляционной зависимости

    Многие задачи требуют установить и оценить зависимость между двумя или несколькими случайными величинами. Определение.Зависимость случайных величин называют статистической, если изменение одной величины влечет изменение распределения другой величины. Определение.Статистическая зависимость называется корреляционной, если при изменении одной величины изменяется среднее значение другой. Если случайная величина представляет некоторый признак (например, статистические наблюдения некой экономической величины), то под корреляциейпонимают – меру согласованности одного признака с другим, или с несколькими, либо взаимную согласованность группы признаков.

  • Слайд 2

    Ложная корреляция

    Корреляционная зависимость указывает на причинно-следственную связь изменений двух признаков. Однако, корреляционные методы не выявляют этой причинности, а лишь указывают на наличие некоторого соответствия. Признаки могут находиться не только во взаимной зависимости друг от друга, но и оба зависеть от какого-либо третьего воздействия, не включенного в область рассмотрения. Например, между двумя временными рядами (переменные, состоящие из наблюдений отстоящих на равные промежутки времени друг от друга) может быть сильная корреляционная зависимость, однако эта зависимость будет ложной, так как переменные сами зависят от времени. Таким образом, более корректно употреблять понятие корреляционная связь.

  • Слайд 3

    Отличие корреляционной от функциональной зависимости

    Функциональная зависимость предполагает взаимно однозначное соответствие аргумента х и функции y=f(х), вероятностная же зависимость допускает некий условный диапазон, в который предположительно (с такой-то долей вероятности) попадает значение признака уi при значении хi признака х.

  • Слайд 4

    Примеры корреляционной зависимости

  • Слайд 5

    Коэффициент корреляции Пирсона

    Коэффициент корреляции Пирсона характеризует наличие линейной связи между признаками, де хi — значения, принимаемые в выборке X, yi — значения, принимаемые в выборке Y; — средняя по X, — средняя по Y. Ведем обозначения: ковариация признаков X иY Средние квадратичные отклонения и Тогда:

  • Слайд 6

    Значение коэффициента корреляции

    сильная, или тесная при коэффициенте корреляции r>0,70; средняя при 0,50

  • Слайд 7
  • Слайд 8
  • Слайд 9
  • Слайд 10

    Непараметрические показатели корреляции

    Определение.Под качественным подразумевается признак, который невозможно измерить точно, но он позволяет сравнить объекты между собой и расположить их в порядке убывания или возрастания качества. Под ранжированием будем понимать упорядочивание объектов согласно убыванию качественного признака Для оценки степени связи качественных признаков используют коэффициенты ранговой корреляции. Коэффициент корреляции Спирмена— мера линейной связи между случайными величинами. Корреляция Спирмена является ранговой, то есть для оценки силы связи используются не численные значения, а соответствующие им ранги. Коэффициент корреляции Кендалла— мера линейной связи между случайными величинами

  • Слайд 11

    Схема нахождения коэффициента Корреляции Спирмена

    Определить, какие два признака или две иерархии признаков будут участвовать в сопоставлении как переменные X и Y. Проранжировать значения переменной X, присваивая ранг 1 наименьшему значению, и т.д. Занести ранги в первый столбец таблицы по порядку номеров испытуемых или признаков. Проранжировать значения переменной У, в соответствии с теми же правилами. Занести ранги во второй столбец таблицы по порядку номеров испытуемых или признаков. Подсчитать разности d между рангами X и Y по каждой строке таблицы и занести в третий столбец таблицы. Возвести каждую разность в квадрат: d2. Эти значения занести в четвертый столбец таблицы. Подсчитать сумму d2. При наличии одинаковых рангов рассчитать поправки: где a - объем каждой группы одинаковых рангов в ранговом ряду X;b - объем каждой группы одинаковых рангов в ранговом ряду Y.

  • Слайд 12

    8. Расчитать коэффициент ранговой корреляции rs по формуле: при отсутствии одинаковых рангов при наличии одинаковых рангов где sum(d2) - сумма квадратов разностей между рангами;Ta и Tb - поправки на одинаковые ранги;N - количество наблюдений признаков, участвовавших в ранжировании. Схема нахождения коэффициента Корреляции Спирмена

  • Слайд 13

    Проверка значимости коэффициента ранговой корреляции Спирмена

    Нулевая и альтернативная гипотезы имеют вид: Н0: коэффициент ранговой корреляции Спирменаrsнезначимый; Н1: коэффициент ранговой корреляции Спирменаrsзначим. Расчитываетсяt-статистика по формуле: Определяется tтабл по таблице Стьюдента со степенями свободы n-2 и уровнем значимости α Если , то Н0 отклоняют на заданном уровне значимости, и считаем, что коэффициент ранговой корреляции Спирмена значимый.

  • Слайд 14

    Схема нахождения коэффициента Корреляции Кенделла

  • Слайд 15

    Проверка значимости коэффициента ранговой корреляции Кендалла

    Нормальная кривая – это график плотности нормального распределения. .

Посмотреть все слайды

Сообщить об ошибке