Корреляционная таблица – 4.3. Корреляционная таблица

4.3. Корреляционная таблица

При большом числе наблюдений одно и то же значение случайной величины Х может встретиться раз, одно и то же значение случайной величиныY может встретиться раз, а одна и та же пара чисел (х, у) может наблюдаться раз. Поэтому данные наблюдений группируют, т.е. подсчитывают частоты,,. Все сгруппированные данные за-писывают в виде таблицы, которую называют корреляционной.

Поясним ее строение на простом примере. Имеем таблицу:

Y X	1	2	3	4	5
1				6	4	10
0			1	4	6	11
1		5	9	5		19
2	3	7				10
	3	12	10	15	10

В первой строке указаны наблюдаемые значения (1, 2, 3, 4, 5) слу-чайной величины Х, а в первом столбце таблицы – наблюдаемые значения (1, 0, 1, 2) случайной величины Y. На пересечении строк и столбцов находятся частоты

наблюдаемых пар значений случайных величин Х и Y. Например, частота 6 указывает, что пара чисел (4, 1) наблюдалась 6 раз. Все частоты помещены в прямоугольнике, стороны которого проведены жирными линиями.

В последнем столбце записаны суммы частот строк. Например, сумма частот второй строки равна — это число указывает, что значение случайной величины Y, равное 0 (в сочетании с различными значениями случайной величины Х ), наблюдалось 11 раз.

В последней строке записаны суммы частот столбцов. Например, сумма частот четвертого столбца равна — это число указывает, что значение случайной величины Х, равное 4 (в сочетании с различными значениями случайной величины Y ), наблюдалось 15 раз.

Общее число наблюдений

4.4. Выборочный коэффициент корреляции

Ранее мы полагали, что значения Х и соответствующие им значения Y наблюдались по одному разу. На практике, безусловно, одна пара случайных величин (х, у) может наблюдаться любое число раз.

Поэтому формула для коэффициента регрессии (4.4) примет вид

(4.5)

где в сумме учтено, что пара (х, у) наблюдалась раз, а и выборочные средние квадратические отклонения случайных величин Х и Y.

Умножим обе части равенства (4.5) на дробь и назовем это выражение выборочным коэффициентом корреляции

Тогда уравнение линейной регрессии Y на Х будет иметь вид

Замечание 2. Выборочный коэффициент корреляции является безраз-мерной оценкой коэффициента регрессии

Таким образом, основная задача корреляционного анализа состоит в оценке степени линейной связи между случайными величинами Х и Y, которая устанавливается при помощи выборочного коэффициента корре-ляции

Если выборочный коэффициент корреляции мал, то линейная связь считается слабой и ее можно не принимать во внимание. Если же выборочный коэффициент корреляцииблизок к1, то линейная связь сильная и к ней следует относиться практически как к функциональной. В противном случае, связь принято считать статистической. И, наконец, при

связь между случайными величинамиХ и Y имеет строго линейный характер.

Замечание. Выборочный коэффициент корреляции является лишь оценкой теоретического коэффициента корреляциигенеральной сово-купности, поэтому возникает необходимость проверить гипотезу о значи-мости выборочного коэффициента корреляции. Однако, если выборка имеет достаточно большой объем и хорошо представляет генеральную совокупность, т.е. является репрезентативной, то вывод (гипотезу) о ли-нейной зависимости между случайными величинами Х и Y , полученный по данным выборки, можно распространить и на всю генеральную сово-купность

.

Например, для оценки теоретического коэффициента корреляции генеральной совокупности (если она распределена нормально) можно воспользоваться формулой

studfiles.net

Корреляционная таблица | Высшая математика | Студенту | Статьи и обсуждение вопросов образования в Казахстане | Образовательный сайт Казахстана

На практике в результате независимых наблюдений над величинами X и Y, как правило, имеют дело не со всей совокупностью всех возможных пар значений этих величин, а лишь с ограниченной выборкой из генеральной совокупности, причем объем n выборочной совокупности определяется как количество имеющихся в выборке пар.

Первоочередной задачей статистической обработки экспериментального материала является систематизация полученных данных и выяснение формы соответствующей генеральной совокупности.

Пусть величина Х в выборке принимает значения x

1, x₂,….x_m, где количество различающихся между собой значений этой величины, причем в общем случае каждое из них в выборке может повторяться. Пусть величина Y в выборке принимает значения y₁, y₂,….y_k, где k — количество различающихся между собой значений этой величины, причем в общем случае каждое из них в выборке также может повторяться. В этом случае данные заносят в таблицу с учетом частот встречаемости. Такую таблицу с группированными данными называют корреляционной.

Первым этапом статистической обработки результатов является составление корреляционной таблицы (таблица 1).

Y\X	x1	x2	…	xm	ny
y1	n12	n21		nm1	ny1
y2		n22		nm2	ny2
…
yk	n1k	n2k		nmk	nyk
nx	nx1	nx2		nxm	n

В первой строке основной части таблицы в порядке возрастания перечисляются все встречающиеся в выборке значения величины X. В первом столбце также в порядке возрастания перечисляются все встречающиеся в выборке значения величины Y. На пересечении соответствующих строк и столбцов указываются частоты n_ij (i=1,2,…,m; j=1,2,…,k) равные количеству появлений пары (x_i;y_i) в выборке. Например, частота n₁₂ представляет собой количество появлений в выборке пары (x

1;y₁).

Так же n_xin_ij, 1≤i≤m, сумма элементов i-го столбца, n_yjn_ij, 1≤j≤k, — сумма элементов j-ой строки и n_xi=n_yj=n

Аналоги формул (3), полученные по данным корреляционной таблицы, имеют вид:

(6)

Пример 3. Изучалась зависимость между качеством стандартности товаров Y(%) и количеством товаров (X) шт. Результаты наблюдений приведены в виде корреляционной таблицы.

Y\X	18	22	26	30	ny
70	5				5
75	7	46	1		54
80		29	72		101
85			29	8	37
90				3	3
nx	12	75	102	11	200

Требуется:
1) Найти выборочное уравнение прямой регрессии Y на X.
2) Определить выборочные аналоги функции регрессии.
3) Сравнить между собой при каждом значении Х приближения средних значений Y, полученные по функции регрессии и по уравнению прямой регрессии.

Решение: Пользуясь данными, приведенными в этой таблице, по формулам (6), находим:

Следовательно,
a=79.475-1.111•24.24=79.475-26.930=52.544

Таким образом, выборочное уравнение прямой регрессии Y на X выражается формулой:

Y=79.475+1.111(x-24.24)=79.475+1.111x-26.930=52.545+1.111x

Откуда:

X	18	22	26	30
Yлин	72.5	76.98	81.45	85.92
Yx	72.91	76.93	81.37	86.36

где Y_лин(x=x₁)=52.545+1.111•18=72.5 и т.д. y_x1=(5•70+7•75)/12=72.91 и т.д.

Сопоставляя полученные результаты, приходим к выводу, что значения, вычисленные по уравнению выборочной регрессии и по линейной зависимости хорошо согласуются.

Заключение. Величины, вычисленные путем подстановки возможных значений Х в уравнение прямой регрессии и в функцию регрессии, практически совпадают.

Замечание. Для упрощения вычислений в корреляционной табл. удобно от (x_i;y_i) перейти к новым переменным (u_i;v_i), положив u_i=(x_i-x₀)/h₁; v_j=(y_j-y₀)/h₂ (*)

где x₀ и y₀ варианты соответствующие наибольшим частотам соответственно x_i и y_i. h_i=x_i+1-x_i.

Обратный пересчет осуществляется по формулам:

testent.ru

Таблица корреляции

В таблице корреляций представлены критические значения коэффициента корреляции r-Пирсона и коэффициента корреляции r-Спирмена

Критические значения коэффициентов корреляции

n	p
	0,1	0,05	0,01	0,001
5	0,805	0,878	0,959	0,991
6	0,729	0,811	0,917	0,974
7	0,669	0,754	0,875	0,951
8	0,621	0,707	0,834	0,925
9	0,582	0,666	0,798	0,898
10	0,549	0,632	0,765	0,872
11	0,521	0,602	0,735	0,847
12	0,497	0,576	0,708	0,823
13	0,476	0,553	0,684	0,801
14	0,458	0,532	0,661	0,780
15	0,441	0,514	0,641	0,760
16	0,426	0,497	0,623	0,742
17	0,412	0,482	0,606	0,725
18	0,400	0,468	0,590	0,708
19	0,389	0,456	0,575	0,693
20	0,378	0,444	0,561	0,679
21	0,369	0,433	0,549	0,665
22	0,360	0,423	0,537	0,652
23	0,352	0,413	0,526	0,640
24	0,344	0,404	0,515	0,629
25	0,337	0,396	0,505	0,618
26	0,330	0,388	0,496	0,607
27	0,323	0,381	0,487	0,597
28	0,317	0,374	0,479	0,588
29	0,311	0,367	0,471	0,579
30	0,306	0,361	0,463	0,570
31	0,301	0355	0,456	0,562
32	0,296	0,349	0,449	0,554
33	0,291	0,344	0,442	0,547
34	0,287	0,339	0,436	0,539
35	0,283	0,334	0,430	0,532
36	0,279	0,329	0,424	0,525
37	0,275	0,325	0,418	0,519
38	0,271	0,320	0,413	0,513
39	0,267	0,316	0,408	0,507
40	0,264	0,312	0,403	0,501
41	0,260	0,308	0,398	0,495
42	0,257	0,304	0,393	0,490
43	0,254	0,301	0,389	0,484
44	0,251	0,297	0,384	0,479
45	0,248	0,294	0,380	0474
46	0,246	0,291	0,376	0,469
47	0,243	0,288	0,372	0,465
48	0,240	0,285	0,368	0,460
49	0,238	0,282	0,365	0,456
50	0,235	0,279	0,361	0,451
51	0,233	0,276	0,358	0,447
52	0,231	0,273	0,354	0,443
53	0,228	0,271	0,351	0,439
54	0,226	0,268	0,348	0,435
55	0,224	0,266	0,345	0,432
56	0,222	0,263	0,341	0,428
57	0,220	0,261	0,339	0,424
58	0,218	0,259	0,336	0,421
59	0,216	0,256	0,333	0,418
60	0,214	0,254	0,330	0,414
61	0,213	0,252	0,327	0,411
62	0,211	0,250	0,325	0,408
63	0,209	0,248	0,322	0,405
64	0,207	0,246	0,320	0,402
65	0,206	0,244	0,317	0,399
66	0,204	0,242	0,315	0,396
67	0,203	0,240	0,313	0,393
68	0,201	0,239	0,310	0,390
69	0,200	0,237	0,308	0,388
70	0,198	0,235	0,306	0,385
80	0,185	0,220	0,286	0,361
90	0,174	0,207	0,270	0,341
100	0,165	0,197	0,256	0,324
110	0,158	0,187	0,245	0,310
120	0,151	0,179	0,234	0,297
130	0,145	0,172	0,225	0,285
140	0,140	0,166	0,217	0,275
150	0,135	0,160	0,210	0,266
200	0,117	0,139	0,182	0,231
250	0,104	0,124	0,163	0,207
300	0,095	0,113	0,149	0,189
350	0,088	0,105	0,138	0,175
400	0,082	0,098	0,129	0,164
450	0,078	0,092	0,121	0,155
500	0,074	0,088	0,115	0,147
600	0,067	0,080	0,105	0,134

 

 

statpsy.ru

Мат.статистика. Лекция №3

Лекция 3. Корреляционный анализ

В реальном мире многие явления природы происходят в обстановке действия многочисленных факторов, влияние каждого из них ничтожно, а число их велико. В этом случае возникает статистическая связь между случайными величинами, т.е. случайная переменная реагирует на изменение другой переменной изменением своего ряда распределения. В результате , она . переходит не в определенное состояние, а в одно из возможных своих состояний. Для изучения статистической зависимости нужно знать аналитический вид двумерного распределения. Нахождение аналитического вида двумерного распределения по выборке ограниченного объема громоздко и может привести к значительным ошибкам. Поэтому на практике при исследовании зависимостей между случайными переменными иограничиваются изучением зависимости между одной из них и условным математическим ожиданием другой. Знание статистической зависимости позволяет прогнозировать, что значение зависимой случайной переменной будет находиться в некотором интервале, если независимая переменная примет определенное значение. С помощью вероятностных методов можно вычислить вероятность того, что ошибка прогноза не выйдет за определенные границы.

При изучении статистических зависимостей форму связи можно характеризовать функцией регрессии (линейной, квадратной, показательной и т.д.)

Кривой регрессии по(илина) называется условное среднее значение случайной переменной как функцияи некоторого числа параметров, которые находятся методом наименьших квадратов по наблюденным значениям двумерной случайной величины. Эта кривая называется такжеэмпирическим уравнением регрессии или просто уравнением регрессии.

Статистические связи между переменными можно изучать методом корреляционного и регрессионного анализа. Основная задача корреляционного анализа – выявление связи между случайными переменными путем точечной и интервальной оценки парных коэффициентов корреляции, вычисления функции регрессии одной случайной величины на другую. Корреляционный анализ статистических данных включает следующие этапы: 1) построение корреляционного поля и составление корреляционной таблицы; 2) вычисление выборочных коэффициентов корреляции и корреляционных отношений; 3) проверка статистической гипотезы значимости связи.

Поле корреляции. Корреляционная таблица

Рассмотрим простейший случай корреляционного анализа – двумерную модель. Пусть ислучайные переменные, Пару случайных чисел

можно изобразить графически в виде точки с координатами . Аналогично можно изобразить всю выборку.

Декартова плоскость с нанесенными на нее точками с координатами называетсякорреляционным полем .

По виду корреляционного поля иногда можно судить о виде зависимости между случайными величинами и, если она существует.

В данном случае представлено корреляционное поле для дискретного случайного вектора. При большом объеме выборки построение поля корреляции становится очень громоздкой задачей. Задача упрощается, если выборку упорядочить, т.е. переменные сгруппировать. В результате получится сгруппированный статистический ряд. Сгруппированный ряд может быть дискретным или интервальным. Сгруппированному ряду соответствует корреляционная таблица. Пусть, например — объем выполненных работ,– накладные расходы. Для случайного вектора () получена выборка, которую можно представить с помощью корреляционной таблицы

	1-2 1.5	2-3 2.5	3-4 3.5	4-5 4.5	5-6 5.5	6-7 6.5	7-8 7.5	8-9 8.5
10-20 15	4	5							9
20-30 25	1	3	1						5
30-40 35	2	3	6	5	3	1			20
40-50 45		5	9	19	8	7	2	1	51
50-60 55		1	2	7	16	9	4	2	41
60-70 65			1	5	6	4	2	2	20
70-80 75							1	3	4
	7	17	19	36	33	21	9	8	150

Эта таблица построена на основе интервального ряда. В первой строке и первом столбце таблицы помещают интервалы изменения ии значения середин интервалов. В ячейки, образованные пересечением строк и столбцов помещают частотыпопадания пар значенийв соответствующие интервалы. В последней строке и последнем столбце находятся значенияи— суммыпо соответствующим столбцу и строке , где – суммарная частота наблюдаемого значения признака при всех значениях, – суммарная частота наблюдаемого значения признака при всех значениях, –частота появления пары значений признаков .При этом выполняются равенства

, (1)

где — объем выборки.

Вычислим статистические оценки параметров распределения случайного вектора. Статистической оценкой математического ожидания является среднее арифметическое, а статистической оценкой дисперсии является статистическая дисперсия. Вычисление этих величин в данном случае проводится по формулам

, , (2)

, . (3)

Оценкой коэффициента корреляции является выборочный коэффициент корреляции, который определяется равенством

(4)

В данном примере

,

,

.

Величина выборочного коэффициента корреляции не зависит от порядка следования переменных, т.е. , поэтому выборочный коэффициент корреляции обозначают просто.

Если генеральная совокупность имеет нормальное распределение, т. е. совместная функция распределения иподчиняется нормальному закону,

то функция регрессии линейны. Функция регрессии наимеет вид

, (5)

а функция регрессии наимеет вид

. (6)

Выражения и называются коэффициентами регрессии.

Уравнения регрессии наинаимеют вид

, (7)

В данном примере уравнение регрессии на

,

уравнение регрессиина

.

Полученные уравнения регрессии показывают, как в среднем изменяется

(или ) в зависимости от изменения аргумента(или).

Проверка гипотезы о значимости коэффициента корреляции.

Выборочный коэффициент корреляции является точечной оценкой коэффициента корреляции. Он служит для оценки силы линейной связи между и. Равенство нулю выборочного коэффициента корреляции еще не свидетельствует о равенстве нулю самого коэффициента корреляции, а, следовательно, о некоррелированности случайных величини. Чтобы выяснить, находятся ли случайные величины в корреляционной зависимости, нужно проверить значимость выборочного коэффициента корреляции, т.е. установить, достаточна ли его величина для обоснованного вывода о наличии корреляционной связи. Для этого проверяют нулевую гипотезу, т.е. случайные величины в генеральной совокупности не коррелированы. Альтернативная гипотеза. Предполагая, что имеется двумерное нормальное распределение случайных переменных, вычисляют статистику

, (8)

которая имеет распределение Стьюдента с степенями свободы. Для проверки нулевой гипотезы по уровню значимостии числу степеней свободынаходят по таблицам распределения Стьюдента критическое значение, удовлетворяющее условию. Если, то нулевую гипотезу об отсутствии корреляционной связи между переменнымииследует отвергнуть. В этом случае переменные являются зависимыми. Если, то нет оснований отвергать нулевую гипотезу.

В нашем примере зададим . По формуле (8) найдем статистику. Из таблиц распределения критических точек Стьюдента по заданному уровню значимостии числу степеней свободынайдем критическую точку. Так как, то нулевая гипотеза отвергается. Рассматриваемые случайные величины являются коррелированными и , следовательно, зависимыми.

В случае значимого выборочного коэффициента корреляции можно построить доверительный интервал для коэффициента корреляции.

Плотность вероятности выборочного коэффициента корреляции имеет сложный вид. Поэтому прибегают к специально подобранным функциям от выборочного коэффициента корреляции, которые сводятся хорошо изученным распределениям, например, к нормальному или Стьюдента.

Чаще всего используют преобразование Фишера.

По выборочному коэффициенту корреляции вычисляют статистику . Отсюда.

Распределение статистики хорошо аппроксимируется нормальным распределением с параметрамии.

В этом случае доверительный интервал для имеет вид. Величиныинаходят по таблицам

где – нормированная функция Лапласа для% доверительного интервала.

Если коэффициент корреляции значим, то коэффициенты регрессии значимо отличаются от нуля. Интервальные оценки для них имеют вид

Где имеет распределение Стьюдента сстепенями свободы. Регрессионный анализ

Основная задача регрессионного анализа– изучение зависимости между результативным признаком и наблюдавшимся признаком, оценка функции регрессии. Рассмотрим вначале линейный регрессионный анализ в котором условное математическое ожидание можно представить в виде линейной функции от оцениваемых параметров

. (9)

Это выражение называется функцией регрессии или модельным уравнением регрессии. Параметры называются коэффициентами регрессии. Оценки этих параметров обозначими. Подставляя эти оценки в формулу (9) вместо параметров, получим линейное уравнение регрессии

, (10)

коэффициенты которого найдем методом наименьших квадратов из условия минимума суммы квадратов отклонений измеренных значений результативного признака от вычисленных по уравнению регрессии, т. е. условия минимума величины

(11)

Подставляя в (11) выражение (10), получим

(12)

В соответствии с необходимым условием минимума функции приравняем нулю частные производные функции по переменными. В результате получим систему нормальных уравнений

(13)

После упрощения система уравнений (13) приводится к виду

(14)

Оценки, полученные по методу наименьших квадратов, обладают наименьшей дисперсией в классе линейных оценок. В случае, когда наблюдавшиеся данные представлены корреляционной таблицей, нужно произвести следующие замены в уравнениях (14)

,,,

.(15)

где ,,соответствующие частоты:

(16)

Решая уравнения (16), найдем значения параметров ии уравнение регрессии.

В примере 1 ,. Уравнение регрессии имеет вид

.

Нелинейная регрессия

Линейная регрессия часто оказывается неудовлетворительной. Тогда используют криволинейную регрессию, график которой есть некоторая подходящим образом выбранная кривая, вид которой определяют по корреляционному полю. Если зависимость между признаками инелинейная, то условное математическое ожидание является нелинейной функцией. Пусть, например,. Оценки параметровобозначим,,. В этом случае система нормальных уравнений имеет вид

(17)

Если наблюдавшиеся данные представлены корреляционной таблицей, нужно произвести замену (15) в уравнениях (17)

(18)

Корреляционное отношение

Корреляционное отношение определяется равенством

,

которое может быть записано в виде

При вычислении корреляционного отношения по выборочным данным получается выборочное корреляционное отношение . В этом случае вместо дисперсий используются их статистические оценки. Тогда

(19)

где

,

Выборочное значение вычисляется по данным корреляционной таблицы с помощью формулы

,

где числитель характеризует рассеяние условных средних значений относительно безусловного среднего арифметического.

9

studfiles.net

Корреляционная таблица — это… Что такое Корреляционная таблица?



Корреляционная таблица

таблица сопряженности признаков) один из основных способов описания корреляционных связей между признаками, используемых для упорядочения информации о распределении изучаемой совокупности индивидов по двум признакам. К. т. имеет прямоугольную форму, число строк ее nопределяется количеством значений одного признака, а число столбцов m количеством значений другого. На пересечении, например, второй строки и третьего столбца в таблице проставляется число индивидов, у которых первый признак принимает второе значение из своего списка, а второй признак третье из своего Таблица имеет n m внутренних клеток. Кроме того, выделяются два маргинала (на полях-правом и нижнем). Первый маргинал это m 1-ый столбец, заполненный числами индивидов, у которых первый признак принимает свое первое значение (независимо от того, какое значение принимает второй признак, это сумма элементов первой внутренней строки), второе значение и т. д. до п.-ого.

Второй маргинал это n 1-ая строка, заполненная суммами элементов соответствующих столбцов. Сумма элементов каждого маргинала равна числу индивидов. Такого рода распределения называют двумерными. Если п=, то говорят об одномерном распределении ( оно показывает, как распределены индивиды по одному, в данном случае второму признаку). Изучают и трехмерные распределения: для каждого значения третьего признака составляют свои двумерные распределения по первому и второму признакам и т. д. Таким образом, основной формой представления является двумерная К. т. Характер распределения индивидов по ее клеткам определяется характером связи между признаками. Поэтому по эмпирической таблице восстанавливают характер связи. Если связи нет, то число индивидов, попадающих в данную клетку таблицы, равно произведению маргиналов строки и столбца с соответствующими номерами, деленному на число всех индивидов [1, 72]. Таблицу, заполненную такими частотами, называют теоретической. Если связь есть, то эмпирическая таблица отличается от теоретической. Мерой отличия, характеризующей связь, является критерий Пирсона X2 (см. Анализ таблиц сопряженности, корреляция).

Социологический справочник. — К.: Политиздат Украины. Под ред. В. И. Воловича. 1990.

• Конфликт социальный
• Корреляция

Смотреть что такое «Корреляционная таблица» в других словарях:

• ТАБЛИЦА СОПРЯЖЕННОСТИ — таблица, содержащая частоты совместного появления значения двух признаков (обозначим их как X и У), измеренных в данной совокупности единиц анализа (в качестве синонимов для обозначения таких таблиц используются такие названия, как комбинационная …   Российская социологическая энциклопедия

• Матрица корреляционная — средство представления структуры связей между переменными, квадратная таблица, в которой указываются коэффициенты между каждой парой переменных …   Социологический словарь Socium

• Корреляция (в матем. статистике) — Корреляция в математической статистике, вероятностная или статистическая зависимость, не имеющая, вообще говоря, строго функционального характера. В отличие от функциональной, корреляционная зависимость возникает тогда, когда один из признаков… …   Большая советская энциклопедия

• Корреляция — I Корреляция (от позднелат. correlatio соотношение)         термин, применяемый в различных областях науки и техники для обозначения взаимозависимости, взаимного соответствия, соотношения понятий, предприятий, предметов, функций. См. также… …   Большая советская энциклопедия

• Корреляционный анализ —         совокупность основанных на математической теории корреляции (См. Корреляция) методов обнаружения корреляционной зависимости между двумя случайными признаками или факторами. К. а. экспериментальных данных заключает в себе следующие… …   Большая советская энциклопедия

• СССР. Естественные науки —         Математика          Научные исследования в области математики начали проводиться в России с 18 в., когда членами Петербургской АН стали Л. Эйлер, Д. Бернулли и другие западноевропейские учёные. По замыслу Петра I академики иностранцы… …   Большая советская энциклопедия

• КОРРЕЛЯЦИЯ — зависимость между случайными величинами, не имеющая, вообще говоря, строго функционального характера. В отличие от функциональной зависимости К., как правило, рассматривается тогда, когда одна из величин зависит не только от данной другой, но и… …   Математическая энциклопедия

• КОРРЕЛЯЦИЯ — зависимость между числовыми случайными величинами, не имеющая, вообще говоря, строго функционального характера. В отличие от функциональной зависимости К., как правило, рассматривается тогда, когда по крайней мере одна из величин зависит не… …   Российская социологическая энциклопедия

• Корреляция — (Correlation) Корреляция это статистическая взаимосвязь двух или нескольких случайных величин Понятие корреляции, виды корреляции, коэффициент корреляции, корреляционный анализ, корреляция цен, корреляция валютных пар на Форекс Содержание… …   Энциклопедия инвестора

• Коэффициент корреляции — (Correlation coefficient) Коэффициент корреляции это статистический показатель зависимости двух случайных величин Определение коэффициента корреляции, виды коэффициентов корреляции, свойства коэффициента корреляции, вычисление и применение… …   Энциклопедия инвестора

sociological_guide.academic.ru

Корреляционная таблица

Y X	y1	y2	…	yi	ni
x1	m11	m12	…	m1l	n1
x2	m21	m22	…	m2l	n2
xk	mk1	mk2	…	mkl	nk
mj	m1	m2	…	ml	n

В случае, когда случайные величины являются непрерывными (т.е. могут принимать любое значение из соответствующих интервалов), составляется интервальная корреляционная таблица.

Условным среднимназывают среднее арифметическое значенийY, соответствующих значениюX=x. Например,

.

Корреляционной зависимостьюYотXназывают зависимость:

(8)

Уравнение (8) называют эмпирическим уравнением регрессииYнаX; функцию f(x)называютэмпирическойрегрессиейYнаX, а ее график — линией регрессииYна X.

Аналогично определяются условная средняя и корреляционная зависимостьXотY:

(9)

Распределение системы (X,Y)характеризуется числовыми параметрами: математическими ожиданиями компонентm_x, m_y; дисперсиями,; корреляционным моментом (ковариацией); коэффициентом корреляции,.

Здесь и дальше, будем считать, что двумерная случайная величина (X,Y) распределена нормально, тогда уравнения линейной регрессии YнаXи X наYимеют вид:

и

По корреляционной таблице 6, найдем оценки параметров линейной регрессии:

;; (10)

; (11)

; (12)

; (13)

— выборочный коэффициент корреляции .

Выборочный коэффициент корреляции характеризует тесноту линейной связи междуи. Если, то элементы выборки,лежат на прямой линии, аисчитаются практически линейно зависимы. Чем ближек 1, тем связь сильнее; чем ближек 0, тем связь слабее. ЕслиXиYнезависимы, то.

Эмпирическая функция линейной регрессии YнаXиXнаYсоответственно задаётся уравнениями

;.

Замечание 1.Если построить на одном корреляционном поле две линии регрессииYнаXиXнаY, то они пересекутся в точкеO, и угол между этими прямыми тем меньше, чем ближе коэффициент корреляции к.

Замечание 2.В случае, когда данные наблюденийXиYзаписаны в виде интервальной корреляционной таблицы в формулах (10) – (13) вместоx_iиy_iобычно берут середины, соответствующих интервалов.

Для проверки соответствия линейной регрессии результатам наблюдений вычисляется наблюдаемое значение критерия

и по таблице критических точек распределения Стьюдента (таблица 7) по заданному уровню значимости α и числу степеней свободы k=n–2 , находится. Затем сравнивается наблюдаемое значение критерия с табличным.

Таблица 7

t-Распределение Стьюдента.

Число степеней свободы, υ	Уровень значимости,α		Число степеней свободы, υ	Уровень значимости,α
	0,1	0,05		0,1	0,05
1	6,31	12,7	17	1,74	2,11
2	2,92	4,3	18	1,73	2,10
3	2,35	3,18	19	1,73	2,09
4	2,13	2,78	20	1,73	2,09
5	2,01	2,57	21	1,72	2,06
6	1,94	2,45	22	1,72	2,07
7	1,89	2,36	23	1,71	2,07
8	1,86	2,31	24	1,71	2,06
9	1,83	2,26	25	1,71	2,06
10	1,81	2,23	26	1,71	2,06
11	1,80	2,2	27	1,71	2,05
12	1,78	2,18	28	1,70	2,05
13	1,77	2,16	29	1,70	2,05
14	1,76	2,14	30	1,70	2,04
15	1,75	2,13	40	1,68	2,02
16	1,75	2,12	60	1,67	2,00
			120	1,66	1,98

Если , то гипотеза о некоррелированности составляющихXиYотвергается. Если же, то нет основания отвергать гипотезу о некоррелированности случайных величинXиY.

studfiles.net

Корреляционная таблица это что такое Корреляционная таблица: определение — Социология.НЭС

Корреляционная таблица

таблица сопряженности признаков) один из основных способов описания корреляционных связей между признаками, используемых для упорядочения информации о распределении изучаемой совокупности индивидов по двум признакам. К. т. имеет прямоугольную форму, число строк ее nопределяется количеством значений одного признака, а число столбцов m количеством значений другого. На пересечении, например, второй строки и третьего столбца в таблице проставляется число индивидов, у которых первый признак принимает второе значение из своего списка, а второй признак третье из своего Таблица имеет n m внутренних клеток. Кроме того, выделяются два маргинала (на полях-правом и нижнем). Первый маргинал это m+1-ый столбец, заполненный числами индивидов, у которых первый признак принимает свое первое значение (независимо от того, какое значение принимает второй признак, это сумма элементов первой внутренней строки), второе значение и т. д. до п.-ого. Второй маргинал это n+1-ая строка, заполненная суммами элементов соответствующих столбцов. Сумма элементов каждого маргинала равна числу индивидов. Такого рода распределения называют двумерными. Если п=, то говорят об одномерном распределении ( оно показывает, как распределены индивиды по одному, в данном случае второму признаку). Изучают и трехмерные распределения: для каждого значения третьего признака составляют свои двумерные распределения по первому и второму признакам и т. д. Таким образом, основной формой представления является двумерная К. т. Характер распределения индивидов по ее клеткам определяется характером связи между признаками. Поэтому по эмпирической таблице восстанавливают характер связи. Если связи нет, то число индивидов, попадающих в данную клетку таблицы, равно произведению маргиналов строки и столбца с соответствующими номерами, деленному на число всех индивидов [1, 72]. Таблицу, заполненную такими частотами, называют теоретической. Если связь есть, то эмпирическая таблица отличается от теоретической. Мерой отличия, характеризующей связь, является критерий Пирсона X2 (см. Анализ таблиц сопряженности, корреляция).

Оцените определение:

Источник: Социологический справочник

voluntary.ru