Корелационен анализ - Редакционна история

Detelina Staneva в 12:52, 24 март 2014

2014-03-24T12:52:13Z

Detelina Staneva в 12:52, 24 март 2014

2014-03-24T12:52:05Z

Detelina Staneva в 12:51, 24 март 2014

2014-03-24T12:51:42Z

Detelina Staneva в 12:51, 24 март 2014

2014-03-24T12:51:34Z

Detelina Staneva в 12:47, 24 март 2014

2014-03-24T12:47:52Z

Detelina Staneva: Нова страница: ==Корелационен анализ== Признаците, описващи състоянието или поведението на човека в услов...

2014-03-18T13:28:49Z

Нова страница: ==Корелационен анализ== Признаците, описващи състоянието или поведението на човека в услов...

Нова страница

==Корелационен анализ==

Признаците, описващи състоянието или поведението на човека в условията на спорта, са под въздействието на множество фактори. Като се изследва влиянието само на един или няколко от тях не е възможно да се предвиди точно състоянието на явлението “резултат”. Поради това зависимостите са непълни или корелационни. Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости. Статистическите показатели, които носят тази информация, се наричат коефициенти на корелация. Те заемат стойности от –1 до +1. Абсолютната стойност на коефициента носи информация за силата (степента) на зависимост между Х и Y, както е описано в таблицата

[[Image:tablica.png||left|alt=A table.|Таблица, за корелационните зависимости.]]

 

В случай че става дума за линейна зависимост, на интерпретация се подлага и знакът на коефициента на корелация – той носи информация за посоката на зависимостта:

 

При r  > 0 зависимостта е възходяща (еднопосочна) - на по-големи стойности на явлението “фактор” (Х) отговарят по-големи стойности на явлението “резултат” (Y).

[[Image:Vuzhodqshta.jpg|thumb|left|alt=A graphic of correlation.|Посока на зависимостта при r>0.]]

 

При r < 0 зависимостта е низходяща (разнопосочна) – нарастването на стойностите на Х води до намаляване на стойностите на Y.

 

[[Image:Nizhodqshta.jpg|thumb|left|alt=A graphic of correlation.|Посока на зависимостта при r<0.]]

 

Логиката на корелационните коефициенти може да бъде пояснена и по друг начин. Значенията на зависимата променлива ''(Y) ''варират под влияние на различни фактори. Една част от тяхното разсейване се обяснява с влиянието на независимата променлива ''(Х), ''а останалата – с влиянието на други фактори. Колкото по-силна е зависимостта между променливите – толкова по-голяма част от дисперсията на стойностите на ''Y'' се дължи на влиянието на  ''Х, ''а съответно по-малка – на неизследваните фактори.

* Коефициентът на [[детерминация]] ''(r2),'' който е равен на квадрата на коефициента на корелация, описва т. нар. обяснена дисперсия. Той показва каква част от вариацията на ''Y'' се дължи на различията в стойностите на ''Х'', т.е. на влиянието на изучавания фактор. Ако се умножи по 100, изразява  силата на влияние на зависимата променлива в  проценти.
* Коефициентът на неопределеност  ''(k2)'' описва влиянието на невключените в изследването фактори, на които се дължи т. нар. необяснена дисперсия. Стойността му се получава, като от общата дисперсия на променливата ''Y'', изразена като единица (100%), се извади обяснената с помощта на коефициента на детерминация ''(r2''). С други думи ''k2 = 1 - r2''. Очевидно е, че колкото по-силна е зависимостта между променливите величини, толкова обяснената дисперсия е по-голяма, а необяснената – по-малка.

В зависимост от вида и формата на зависимостта, както и от начина на скалиране на променливите величини, в практиката се използват различни коефициенти на корелация. На фигурата е направен преглед на най-често използваните коефициенти.

 [[Image:koeficienti_na_korelaciq.jpg|thumb|right|alt=a scheme of correlation coefficients.|Схема на корелационните коефициенти.]]

Коефициент на обикновена линейна корелация на Пирсън (r) - той се прилага се прилага в случай, че зависимостта е:

::* обикновена по вид, т.е. изследва се връзката между две променливи величини.
::* линейна по форма, т. е. предварителната проверка е доказала линейния характер на връзката между променливите.
::* признаците Х и Y са представени в пропорционална или интервална скала. 

Стойността на коефициента на  Пирсън (r) се изчислява по следната формула, където: Р – момент на произведенията; SX – стандартно отклонение на променливата Х; SY – стандартно отклонение на променливата Y

[[File:r.jpg]]

Моментът на произведенията (Р) се изчислява по формула, където: SХ – сумата на стойностите на Х; SY – сумата на стойностите на Y; SXY – сумата на произведенията на Х и Y:

[[File:p.jpg]]

Коефициент на рангова корелация на Спирман  (rS) - използването на този коефициент е коректно, когато:

::* двете променливи са рангово скалирани признаци.
::* едната променлива е рангова, а другата количествена. В такъв случай предварително е необходимо количествената променлива да бъде трансформирана в рангова скала. 

Коефициентът на рангова корелация на Спирмън има голямо приложение в спортните игри, тъй като там спортния резултат е рангово скалиран. Стойността  на коефициента се изчислява по формулата, където: d – разлика в ранговите номера по Х и Y; n – обем на извадката:

[[File:rs.jpg]]

Статистическа  значимост на коефициентите на корелация - При статистически проучвания изследователят се интересува от проявлението на зависимостите между явленията. Информацията, с която разполага, обикновено се базира на данни от извадка, а това означава, че стойността на коефициента на корелация  може да бъде повлияна от случайни фактори. Поради това се налага проверка на хипотезата за статистическата значимост на корелационния коефициент. Нулевата хипотеза гласи, че зависимост между изучаваните явления обективно не съществува, т.е. r=0, следователно емпиричният коефициент може да се счита за случаен. В случай, че стойността на изчисления по данни от извадката коефициент на корелация е по-малък от критичната стойност, за вярна се приема нулевата хипотеза, която твърди, че няма зависимост между променливите величини.

 
==Вижте още==

* [[Линейна корелация]]
* [[Основни понятия в корелацията]]
* [[Регресионен анализ]]
* [[Алтернатива]]
* [[Дисперсия]]
* [[Ефективност]]
* [[Задача за решаване]]
* [[Комплексност]]
* [[Линейна регресия]]
* [[Нормално разпределение]]
* [[Променлива]]
* [[Равновесие]]
* [[Системен анализ]]
* [[Статистика]]
* [[Следствие]]

==Източници ==

* Riccardo Rebonato - Volatility and Correlation
* A. D. McNaught and A. Wilkinson - Compendium of Chemical Terminology, 2nd ed. (the "Gold Book"); Blackwell Scientific Publications, Oxford (1997)
* Peter Y Chen (Colorado State University) and Paula M Popovich (Ohio University) - Correlation Parametric and Nonparametric Measures; 104 pages SAGE Publications, Inc © 2002
* Philip Bobko - Correlation And Regression: Applications For Industrial Organizational Psychology And Management (Hardcover)
* B.V.K. Vijaya Kumar, (Carnegie Mellon University); and Abhijit Mahalanobis, (Lockheed Martin);and Richard Juday - Correlation Pattern Recognition

==Външни препратки ==

* [http://webcache.googleusercontent.com/search?q=cache:Cjx8yNI2t9QJ:meduniversity-plovdiv.bg/files/ff/mat_inform/tema_4.ppt+корелационен+анализ&cd=4&hl=bg&ct=clnk&gl=bg Анализ на връзки и зависмости между явленията]
* [http://docs.google.com/viewer?a=v&q=cache:ZiYsmTunBrcJ:www.ue-varna.bg/uploads/materials/KorrelRegress_5500.doc+корелационен+анализ&hl=bg&gl=bg&pid=bl&srcid=ADGEESg6sAB2QwERsl578wXo0jAyqEfjkMtoXycf3QgaoD-SdmkCm-wweMf44dpJuuz0ozaFMhRH-TIBzUFXEtnL_QezcnxanBRjTproEGyi7h3RPcSA6BeHlyzEwgWgclrsaz72qI5z&sig=AHIEtbRDIq1I-QOeLg84grnDCQ7UwCPwYw Примери за корелационен и регресионен анализ]
* [http://www.kaminata.net/topic-t29973.html Корелационен и регресионен анализ - модели и примери]
* [http://docs.google.com/viewer?a=v&q=cache:KxQTQW0YQwQJ:www.nsa-virtualeducation.com/zadochno/lecture_zad_2.ppt+коефициент+корелация&hl=bg&gl=bg&pid=bl&srcid=ADGEESgMAkNjzmJBhVrwZnPFJRKKZF5sMGROATmhT3dsSZUGPo5dVyisnP7yp-d_HcD8wRDb4g_PIpShWVOMWjopcxs-wd_R5Cr4aUXmt__eUtG4M3NWltgqwrcjDB-AY-QnSJi99F09&sig=AHIEtbTArXaMPis5fOwOnlRdEF-5iHvukw Изследване на зависимости]
* [http://www.ist-world.org/ResultPublicationDetails.aspx?ResultPublicationId=49e683d81c8c41dd8ed3016a4d108e3d Изчисляване на претегления коефициент на фенотипна корелация между количествени признаци в малки нееднородни извадки]
* [http://www.broker.bg/content/view/616/38/ Коефициент на корелация]

[[category:Управленски решения и риск]][[category:Статистика]]

@@ Ред 1: / Ред 1: @@
 [[Image:tablica.png|right|alt=A table.|Таблица, за корелационните зависимости]]
 '''Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости.'''
 ==Същност==

@@ Ред 1: / Ред 1: @@
-[[Image:tablica.png||right|alt=A table.|Таблица, за корелационните зависимости]]
+[[Image:tablica.png|right|alt=A table.|Таблица, за корелационните зависимости]]
 '''Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости.'''
 ==Същност==

@@ Ред 1: / Ред 1: @@
-[[Image:tablica.png||left|alt=A table.|Таблица, за корелационните зависимости]]
+[[Image:tablica.png||right|alt=A table.|Таблица, за корелационните зависимости]]
 '''Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости.'''
 ==Същност==

@@ Ред 1: / Ред 1: @@
 '''Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости.'''
 ==Същност==
 Признаците, описващи състоянието или поведението на човека в условията на спорта, са под въздействието на множество фактори. Като се изследва влиянието само на един или няколко от тях не е възможно да се предвиди точно състоянието на явлението “резултат”. Поради това зависимостите са непълни или корелационни.
 Основната задача на корелационния анализ е да опише количествено силата (теснотата) на корелационните зависимости. Статистическите показатели, които носят тази информация, се наричат коефициенти на корелация. Те заемат стойности от –1 до +1. Абсолютната стойност на коефициента носи информация за силата (степента) на зависимост между Х и Y, както е описано в таблицата
 В случай че става дума за линейна зависимост, на интерпретация се подлага и знакът на коефициента на корелация – той носи информация за посоката на зависимостта:
 При r&nbsp; &gt; 0 зависимостта е възходяща (еднопосочна) - на по-големи стойности на явлението “фактор” (Х) отговарят по-големи стойности на явлението “резултат” (Y).
 При r &lt; 0 зависимостта е низходяща (разнопосочна) – нарастването на стойностите на Х води до намаляване на стойностите на Y.
 ==Вижте още==