피어슨 상관 관계 공식을 이해하는 데 도움을 줄 수 있습니까? 표본 = 변수 와 의 표준 점수에 대한 곱의 평균 .
와 Y 를 표준화 해야하는 이유 를 이해하지만 두 z 점수의 곱을 이해하는 방법은 무엇입니까?
이 공식은 "제품-모멘트 상관 계수"라고도하지만 제품 동작의 근거는 무엇입니까? 내 질문을 분명히했는지 확실하지 않지만 공식을 직관적으로 기억하고 싶습니다.
피어슨 상관 관계 공식을 이해하는 데 도움을 줄 수 있습니까? 표본 = 변수 와 의 표준 점수에 대한 곱의 평균 .
와 Y 를 표준화 해야하는 이유 를 이해하지만 두 z 점수의 곱을 이해하는 방법은 무엇입니까?
이 공식은 "제품-모멘트 상관 계수"라고도하지만 제품 동작의 근거는 무엇입니까? 내 질문을 분명히했는지 확실하지 않지만 공식을 직관적으로 기억하고 싶습니다.
답변:
의견에서 상관 계수를 이해하는 15 가지 방법이 제안되었습니다.
Rodgers and Nicewander 기사 (1988 년 2 월 미국 통계 학자)에서 논의 된 13 가지 방법은 다음과 같습니다.
원시 점수와 수단의 기능,
표준화 된 공분산,
여기서 는 표본 공분산이고 s X 와 s Y 는 표본 표준 편차입니다.
회귀선의 표준화 된 기울기
여기서 및 b X ⋅ Y 는 회귀선의 기울기입니다.
두 회귀 기울기의 기하 평균
두 분산의 비율의 제곱근 (변동의 비율이 설명 됨)
표준화 된 변수의 평균 교차 곱,
두 개의 표준화 된 회귀선 사이의 각도 함수. 두 개의 회귀선 ( 대 X 및 X 대 Y )은 대각선에 대해 대칭입니다. 두 선 사이의 각도를 β로 합니다. 그때
두 변수 벡터 사이의 각도 함수
표준화 된 점수의 차이의 재조정 된 차이. z 하자 표준화 차이 될 X 및 Y 각각의 관찰 변수
"풍선"규칙에서 추정 한
여기서 는 전체 X 의 수직 범위입니다. 산점도이고 h 는 " X 축의분포 중심"을 통한 범위, 즉평균점을통한 범위입니다.
등 농축의 이변 량 타원과 관련하여,
어디 와 는 각각 장축 길이와 단축 길이입니다. r 은 또한 등고선이 수직 축을 가로 지르는 지점에서 등방 형 등고선의 접선 (표준 좌표)의 기울기와 같습니다.
설계된 실험의 시험 통계 기능
(대부분의 표기법은 약간의 변경 사항 이있는 그대로의 그대로 입니다.)
다른 방법들 (아마도이 사이트에 독창적 임)은
은 표준화 된 좌표에서 회귀선의 기울기입니다. 이 선은 산점도에서 선과 데이터 점 사이에 그려진 원의 총 면적을 최소화하는 등 기하학적 선을 포함하여 다양한 방식으로 특성화 할 수 있습니다.
사각형을 채색합니다. 공분산은 산점도에서 사각형을 채색하여 (즉, 부호있는 합산으로) 평가할 수 있습니다.