W szczeg\u00f3lno\u015bci, gdy u\u017cywamy s\u0142owa korelacja<\/strong> , zwykle m\u00f3wimy o wsp\u00f3\u0142czynniku korelacji Pearsona<\/a> . Jest to miara liniowego powi\u0105zania pomi\u0119dzy dwiema zmiennymi losowymi<\/a> X<\/em> i Y.<\/em> Przyjmuje warto\u015b\u0107 od -1 do 1, gdzie:<\/span><\/p>\n I odwrotnie, gdy statystycy u\u017cywaj\u0105 s\u0142owa skojarzenie<\/strong> , mog\u0105 m\u00f3wi\u0107 o dowolnej<\/em> relacji mi\u0119dzy dwiema zmiennymi, liniowej lub<\/em> nieliniowej.<\/span><\/p>\n Aby zilustrowa\u0107 t\u0119 my\u015bl, rozwa\u017cmy nast\u0119puj\u0105ce przyk\u0142ady.<\/span><\/p>\n Do opisania korelacji pomi\u0119dzy dwiema zmiennymi losowymi u\u017cywamy dw\u00f3ch s\u0142\u00f3w:<\/span><\/p>\n 1 kierunek<\/strong><\/span><\/p>\n 2. Si\u0142a<\/strong><\/span><\/p>\n Poni\u017csze wykresy rozrzutu ilustruj\u0105 przyk\u0142ady ka\u017cdego typu korelacji:<\/span> <\/p>\n W por\u00f3wnaniu z korelacj\u0105 s\u0142owo skojarzenie<\/strong> mo\u017ce nam powiedzie\u0107, czy istnieje zwi\u0105zek<\/em> mi\u0119dzy dwiema zmiennymi losowymi: liniowym lub<\/em> nieliniowym.<\/span><\/p>\n Poni\u017csze wykresy punktowe ilustruj\u0105 kilka przyk\u0142ad\u00f3w:<\/span> <\/p>\n Wykres punktowy w lewym g\u00f3rnym rogu ilustruje zale\u017cno\u015b\u0107 kwadratow\u0105 mi\u0119dzy dwiema zmiennymi losowymi, co oznacza, \u017ce istnieje<\/em> zwi\u0105zek mi\u0119dzy dwiema zmiennymi, ale nie jest on liniowy.<\/span><\/p>\n Gdyby\u015bmy obliczyli korelacj\u0119 mi\u0119dzy tymi dwiema zmiennymi, prawdopodobnie by\u0142aby ona bliska zeru, poniewa\u017c nie ma mi\u0119dzy nimi zale\u017cno\u015bci liniowej.<\/span><\/p>\n Jednak sama wiedza, \u017ce korelacja mi\u0119dzy dwiema zmiennymi wynosi zero, mo\u017ce wprowadza\u0107 w b\u0142\u0105d, poniewa\u017c ukrywa fakt, \u017ce zamiast tego istnieje zale\u017cno\u015b\u0107 nieliniowa.<\/span><\/p>\n Terminy korelacja i powi\u0105zanie maj\u0105 nast\u0119puj\u0105ce podobie\u0144stwa i r\u00f3\u017cnice:<\/span><\/p>\n Podobie\u0144stwa:<\/strong><\/span><\/p>\n R\u00f3\u017cnice:<\/strong><\/span><\/p>\n Wprowadzenie do wsp\u00f3\u0142czynnika korelacji Pearsona<\/a> Dwa terminy, czasami u\u017cywane zamiennie, to korelacja i skojarzenie . Jednak w dziedzinie statystyki te dwa terminy maj\u0105 nieco inne znaczenie. W szczeg\u00f3lno\u015bci, gdy u\u017cywamy s\u0142owa korelacja , zwykle m\u00f3wimy o wsp\u00f3\u0142czynniku korelacji Pearsona . Jest to miara liniowego powi\u0105zania pomi\u0119dzy dwiema zmiennymi losowymi X i Y. Przyjmuje warto\u015b\u0107 od -1 do 1, gdzie: -1 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1407","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Wizualizacja korelacji i powi\u0105za\u0144 z chmurami punkt\u00f3w<\/strong><\/span><\/h3>\n
\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlation_vs_association1.png\")
<\/p>\n![\"Korelacja](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlation_vs_association2.png\")
<\/p>\n Korelacja vs. stowarzyszenie: podsumowanie<\/strong><\/span><\/h3>\n
\n
\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Wprowadzenie do chmur punkt\u00f3w
Korelacja a regresja: jaka jest r\u00f3\u017cnica?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"