KORELASYON ARALIĞI – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma

5. Batı ABD’nin seyrek nüfuslu bir kesimindeki Hoodooburg adlı küçük bir kasabaya taşınmak üzere olduğumuzu varsayalım. İnsanların ne kadarının haftada en az bir kez dana biftek yediğini merak ediyoruz. Rakamın% 90 olduğunu varsayarsınız. Buna katılmıyorum ve oranın bundan daha düşük olduğunu iddia ediyorum. Çürütmeye çalışacağım varsayımınız,
(a) boş hipotez
(b) tip 1 hatası
(c) alternatif bir hipotez
(d) tip-2 hatası

6. Soru 5 senaryosunda, benim varsayım (Hoodooburg’daki insanların% 90’ından azı haftada en az bir kez dana bifteği yiyor)
(a) boş hipotez
(b) tip 1 hatası
(c) alternatif bir hipotez
(d) tip-2 hatası

7. Soru 5 senaryosunda iyi tasarlanmış, tarafsız bir nüfus araştırması yaptığımızı ve sizin haklı olduğunuzun ve benim yanıldığımın ortaya çıktığını varsayalım. Bu yaptım demek
(a) boş hipotez
(b) tip 1 hatası
(c) alternatif bir hipotez
(d) tip-2 hatası

8. Kan basıncının yaşla nasıl ilişkili olduğunu görmek istediğimizi ve 600 kişinin tıbbi kayıtlarına (onların izni ile elde ettiğimiz) sahip olduğumuzu varsayalım. Bu korelasyonu grafiksel olarak göstermenin en açık yolu, eğer varsa, verileri şu şekilde koymaktır.
(a) bir masa
(b) boş hipotez
(c) alternatif bir hipotez
(d) bir dağılım grafiği

9. Şekil.6-12’deki dağılım grafiğini inceleyin. Bu grafiğin, birkaç yıllık bir süre boyunca gerçekleştirilen gerçek gözlemlerle belirlendiği üzere, dünyanın çeşitli varsayımsal konumlarında güneş ışığından elde edilebilen göreceli enerjiyi gösterdiğini hayal edin. Sonra Şekil.6-13’te gösterilen üç örneğe bakın. Şekil 6-13’teki grafiklerden hangisi varsa, Şekil 6-12’deki dağılım grafiği için en küçük kareler doğrusunu en iyi şekilde gösterir?
(a) Şekil 6-13A.
(b) Şekil 6-13B.
(c) Şekil 6-13C.
(d) Hiçbiri.

10. Anlamlılık testinin kullanımı, (a) alternatif bir hipotez örneğidir
(b) boş hipotez
(c) güven aralıkları
(d) istatistiksel çıkarım

Korelasyon matrisi yorumlama
Pearson Korelasyon Tablosu yorumlama
Korelasyon türlerine örnekler
Korelasyon örnekleri
Korelasyon katsayısı hesaplama
Pozitif korelasyon
Spearman korelasyon katsayısı
Korelasyon çeşitleri

Korelasyon, Sebep, Düzen ve Kaos

Bu bölümde, korelasyonla birlikte neden-sonuç ilişkilerinin nasıl var olabileceğini göreceğiz. Ayrıca, kaos ve sınırlar teorisi dahil olmak üzere, istatistiğin matematiğin ezoterik disiplinleriyle sınırlandığı bazı senaryolara da bakacağız.

Korelasyon Prensipleri

Bölüm 1’de korelasyona kısaca baktık. Şimdi bu fenomeni biraz daha yakından inceleyelim. İki şey ilişkilendirildiğinde, biri diğerine neden olur mu? Üçüncü bir fenomen her ikisine de neden olur mu? Herhangi bir sebep-sonuç ilişkisi var mı? İnsanlar genellikle bir korelasyon gördüklerinde bir neden-sonuç ilişkisi olduğu sonucuna varırlar. Ancak bu mutlaka doğru değildir.

KANTİTATİF KARŞI KALİTATİF

Korelasyon (genellikle italik, küçük harf r ile sembolize edilir) sayısal olarak yalnızca ölçülebilen değişkenler arasında tanımlanabilir. Nicel değişkenlerin örnekleri arasında zaman, sıcaklık ve ortalama aylık yağış sayılabilir.

Biri veya her ikisi de nicelleştirilemiyorsa, iki değişken arasındaki korelasyonu nitel olarak ifade etmek mümkündür. Ancak, hem değişkenler hem de ilişkileri ölçülmedikçe korelasyonu nicel olarak ifade etmek mümkün değildir. İki değişkenin birbiriyle ilişkili olduğu aşikar görünse de, örneğin, ” kabalık ve şiddet güçlü bir şekilde ilişkilidir ” ile ” kabalık ve şiddet arasındaki korelasyon +0.75 ” demek arasında büyük bir fark vardır. suç istatistikleri temelinde ölçülebilir, ancak kabalık sayısal olarak ifade edilmesi daha zor bir değişkendir.

Yıllar boyunca muazzam bir sosyal deney yapıldığını ve araştırmacıların insanların bazı coğrafi bölgelerde diğerlerinden daha sık şizofreni geliştirdiği sonucuna vardığını hayal edin.

Örneğin, bu rahatsızlığa sahip olan ve tüm yıl boyunca çok fazla karın olduğu ve havanın serin olduğu dağlarda yüksek irtifalarda yaşayan daha fazla insan olduğunu varsayalım, tropik denizlere yakın alçak rakımlardakine göre sık sık yağmur yağar ve hava tüm yıl ılıktır. Bu değişkenlerin her ikisi de şizofreni ve çevreyi ölçmek zor veya imkansızdır.

Özellikle, 100 psikiyatrist alıp tuhaf davranan bir kişiyi teşhis etmelerini istediyseniz, 40 ” şizofreni ”, 10 ” paranoid psikoz ”, 15 tanısı ” ile karşılaşabilirsiniz. depresyon, ” bipolar bozukluk ” 5 tanısı, ” normal ama üzgün ” 25 tanısı ve 5 ” tanı koymak için yeterli bilgi yok ” kararı.

Doktorların en büyük kısmı (% 40) bu çöküşte kişinin şizofreni olduğunu düşünürken, bu basit bir çoğunluk bile değil. Böyle bir teşhis, beyin tümörü gibi açık bir fiziksel rahatsızlık durumunda olduğu gibi, mutlak değildir.

KORELASYON ARALIĞI

Bir dağılım grafiğinin gösterdiği veya ima ettiği gibi korelasyon hakkında bilmemiz gereken ilk şey, bu kitabın önceki bölümlerinde önerilmişti. Ama o kadar önemli ki, tekrara dayanır. Korelasyon, aşağıdaki kısıtlamanın geçerli olacağı şekilde sayısal bir değer r olarak ifade edilebilir.

Bu, matematiksel korelasyonun –1 ve þ1 dahil olmak üzere arasındaki her şeye eşit olabileceği anlamına gelir. Bazen bunun yerine yüzdeler kullanılır, bu nedenle olası korelasyon değerleri aralığı, r%, aşağıdaki gibidir.

R 1⁄4 􏰇1 olan bir korelasyon değeri, olası en güçlü negatif korelasyonu temsil eder; r 1⁄4 + 1, olası en güçlü pozitif korelasyonu temsil eder. Orta derecede güçlü pozitif korelasyon, r 1⁄4 +0.7; zayıf negatif korelasyon r% 1⁄4 􏰇% 20 olarak ortaya çıkabilir. R 1⁄4 0 veya r% 1⁄4 0% değeri hiçbir korelasyon olmadığı anlamına gelir. İlginç bir şekilde, herhangi bir korelasyonun yokluğunu kanıtlamak, korelasyonun varlığından daha zor olabilir, özellikle de örneklerin sayısı (veya bir dağılım grafiğindeki noktalar) küçükse.

Yukarıdaki sınırların ötesinde herhangi bir şeyin başka bir şeyle ilişkilendirilmesi imkansızdır. Eğer birinin “􏰇2 faktörü” veya “r 1⁄4% 150” ile ilişkilendirilen iki fenomenden bahsettiğini duyarsanız, yanlış olduklarını anlarsınız. Buna ek olarak, iki etkinin diğer iki etkinin “iki katı” ile ilişkili olduğunu söylerken dikkatli olmamız gerekir. İki fenomen r 1⁄4 +0.75 faktörü ile ilişkilendirilirse ve birisi gelir ve size sıcaklığı (veya başka bir parametreyi) değiştirmenin “ korelasyonu ikiye katlayacağını ” söylerse, bir şeylerin yanlış olduğunu bilirsiniz çünkü bu korelasyonun imkansız olan r 1⁄4 +1.50 olabileceğini düşündürmektedir.