Korelasyon: Revizyonlar arasındaki fark
[kontrol edilmiş revizyon] | [kontrol edilmiş revizyon] |
İçerik silindi İçerik eklendi
k isbat → ispat |
Teacher0691 (mesaj | katkılar) düzeltme AWB ile |
||
66. satır:
elde edilir.
Bu denklem daha yüksek boyutlarda korelasyon katsayısı bulunması için bazı
:<math>r^2=1-\frac{\sigma_{z|xy}^2}{\sigma_z^2}.\,</math>
76. satır:
Örneklem korelasyon katsayısı mümkün uçsal değerler olan -1 veya +1 olursa, çok iyi iki değişken arasında çok iyi bir doğrusal bağlantı bulunduğu kabul edilir. Eğer örneklem korelasyon katsayısı 0'a eşitse, iki değişken arasında hiç doğrusal bağlantı bulunmaz. Dikkat edilirse hep örneklem korelasyon katsayısı ile ''dogrusal bağlantı'' açıklanmakta ve genel olarak bağlantıdan bahis edilmemektedir. Örneğin iki değişken arasında çok yakın bir daire şeklinde bağlantı bulunsa, örneklem korelasyon katsayısı 0'a yakın olacaktır.
Değişik istatistikçiler örneklem korelasyon katsayısının değerlerini daha ayrıntılı olarak açıklamaktadırlar. Burada Cohen(1988) <ref>Cohen, J. (1988). ''Statistical power analysis for the behavioral sciences'' (2nd ed.) Hillsdale, NJ: Lawrence Erlbaum Associates.</ref>, tarafından, özellikle psikoloji ilim
{| border="1" cellpadding="5" cellspacing="0" align="center"
95. satır:
=== Korelasyon ve nedensellik ===
İstatistikte korelasyon
:: Korelasyon veya doğrusal ilişki nedensellik değildir.
Genellikle çok kişi iki değişken arasında bir ilişki kurulunca birinin sebep diğerinin
::Empirik olarak gözümlenen ''birlikte değişme'' nedensellik açıklamasi için gereklidir ama yeterli değildir.
::Korelasyon nedensellik değildir; ama nedenseliğin daha ayrıntılı incelenmesi gerektiren ipucu sağlar.
İstatistikte birbiri ile çok yakından doğrusal ilişkili gibi görülen ama biri diğerine sebep-sonuç olmayan birçok pratik örnek
: A nedendir B sonuçtur;
: B nedendir A sonuçtur;
109. satır:
''Sahte korelasyon'' hakkında birçok örnek verilmiştir ve bunlar bazen alaycı, bazen şaşırtıcı ve bazen gülünçtür. Bunlardan bazılarını verip niçin ''sahte korelasyon'' bulunduğunu açıklayalım:
* İskandinavya'da 19. yüzyil sonu ve 20. yüzyıl için yıllık leylek sayısı ve yıllık çocuk doğumları inceleyince çok
* Bir sahil şehrinde aylık dondurma
* Ayakkabı ile uyumak, baş ağrısı ile uyanmakla yakın pozitif korelasyon gösterir. Bu demek değildir ki ayakkabi ile yatmak baş ağrısı doğurur. Çok daha uygun bir açıklama, her ikisinin de fazla alkolik içki kullanma sonucu ortaya çıkmasıdır.
* Bir yangına müdahale eden itfaiye mensuplarının sayısı ile yangından ortaya çıkan maddi hasar birbirleri ile yakın korelasyon gösterirler. Bu demek değildir ki itfaiye mensubu sayısı artışı (yağmacı artışı gibi) daha çok maddi hasar çıkmasına neden olur. Asıl açıklama yangının büyüklüğü ve şiddetine dayanır; büyük yangınlar daha çok itafiyeci gerektirir ve daha çok hasar doğurur ve aksi de doğrudur.
121. satır:
Pearson'un korelasyon katsayısı iki değişken arasındaki doğrusal ilişkinin gücünü göstermekle beraber, kestirim olarak bulunan katsayı değeri bu ilişkiyi tam olarak açıklamak için yeterli değildir. Bu sonuç eğer veriler [[normal dağılım]] göstermiyorlarsa daha da önem kazanmaktadır.
Dört değişik veri çiftini ve dört ''serpme diyagram''ını kapsayan ve istatistikçiler arasında çok iyi bilinen yandaki gösterimler İngiliz asıllı Amerikan istatistikçi [[Francis Anscombe]] tarafından hazırlanan bir yazıda gösterilmiştir.<ref>Anscombe, Francis J. (1973) Graphs in statistical analysis. ''American Statistician'', C.27 say. 17-21.</ref> Gösterilen 4 değişik ''y'' değişkeninin hepsi için de aynı olan [[ortalama]] (7,5), [[standart sapma]] (4,12), korelasyon katsayısı (0,81) ve regresyon doğrusu (<math>y = 3 + 0.5x</math>) bulunmaktadır. Fakat gösterimden açıkca görülmektedir ki dört Y değişkenin dağılımları çok farklıdır. Sol yukarıdaki göstergede iki değişken birbirine korelasyon ile ilişkili olup her iki değişkenin de normal dağılıma uyduğu varsayımlarının gerçeğe uygun olduğu kabul edilebilir. Üst sağdaki gösterim de değişkenlerin normal dağılım
Bu örnek açıkca göstermektedir ki bir özetleme istatistiğine (burada korelasyon katsayı değerine) dayanarak, verilerin daha ayrıntılı incelenmesi yapılmadan, ortaya sonuç çıkartma iyi inceleme için gayet yetersizdir.
|