Korelasyon: Revizyonlar arasındaki fark
[kontrol edilmiş revizyon] | [kontrol edilmiş revizyon] |
İçerik silindi İçerik eklendi
düzeltme AWB ile |
Değişiklik özeti yok |
||
106. satır:
yahut
: C neden A sonuçtur VE C neden B sonuçtur.
İşte ''sahte korelasyon'' üçüncü halde ortaya çıkar. A ve B arasında görülen yakın ilişki birbirinin sebep-sonuç olmasından doğmaz. Yakın korelasyon her hâlde sebep-sonuç ilişkisi ifade etmez: "korelasyon nedensellik
''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.
* Bir sahil şehrinde aylık dondurma satışları ile aylık denizde boğulma sayıları yıl içinde birlikte artıp eksilime gösterip yakın pozitif korelasyon gösterirler. Bu demek değildir ki fazla dondurma fazla boğulmalara sebep-sonuç olmakta veya boğulmaların azalması dondurma satışlarına aksi tesirde bulunmaktadır. Her ikisi de mevsim değiştiği için aynı yönde değişik etki görmektedir.
* Ayakkabı ile uyumak, baş ağrısı ile uyanmakla yakın pozitif korelasyon gösterir. Bu demek değildir ki
* 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 itfaiyeci gerektirir ve daha çok hasar doğurur.
* 1950lerden beri hava kirliği göstergeleri ile polise bildirilen hırsızlık olayları sayısı pozitif korelasyon göstermektedir. Bu demek değildir ki hava kirliliği artışı hırsızlık olaylarının artışına; yahut hava kirliliğinin artışı hırsızlık sayısı artışına neden olmuştur. Her iki değişkende de hızlı şehirleşme dolayısı ile artış görülmektedir.
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
Bu örnek
== Korelasyon katsayısının kesin olarak tek-geçişli olarak bilgisayarla hesaplanması ==
|