Коэффициент корреляции Пирсона

Материал из MachineLearning.

(Различия между версиями)

Текущая версия

Содержание

1 Определение
2 Статистическая проверка наличия корреляции
3 Слабые стороны
4 Литература
5 См. также
6 Ссылки

Определение

Коэффициент корреляции Пирсона характеризует существование линейной зависимости между двумя величинами.

Пусть даны две выборки $x^m=\left( x_1, \cdots ,x_m \right), \; y^m=\left( y_1, \cdots ,y_m \right);$ коэффициент корреляции Пирсона рассчитывается по формуле:

$r_{xy} = \frac {\sum_{i=1}^{m} \left( x_i-\bar{x} \right)\left( y_i-\bar{y} \right)}{\sqrt{\sum_{i=1}^{m} \left( x_i-\bar{x} \right)^2 \sum_{i=1}^{m} \left( y_i-\bar{y} \right)^2}} = \frac {cov(x,y)}{\sqrt{s_x^2 s_y^2}},$

где $\bar{x}, \bar{y}$ – выборочные средние $x^m$ и $y^m$ , $s_x^2, s_y^2$ – выборочные дисперсии, $r_{xy} \in \left[-1,1\right]$ .

Коэффициент корреляции Пирсона называют также теснотой линейной связи:

$\left| r_{xy} \right| =1 \;\Rightarrow\; x, y$ линейно зависимы,
$r_{xy}=0 \;\Rightarrow\; x, y$ линейно независимы.

Статистическая проверка наличия корреляции

Гипотеза: $H_0$ : отсутствует линейная связь между выборками $x$ и $y$ ( $r_{xy} = 0$ ).

Статистика критерия:

$T = \frac{r_{xy}\sqrt{n-2}}{sqrt{1-r^2_{xy}}} \sim t_{n-2}$ – распределение Стьюдента с $n-2$ степенями свободы.

Критерий:

$T \in [t_\alpha,t_{1-\alpha}]$ , где $t_\alpha$ есть α-квантиль распределения Стьюдента.

Слабые стороны

Четыре различных набора данных, коэффициент корреляции на которых равен 0.81

Неустойчивость к выбросам.

С помощью коэффициента корреляции Пирсона можно определить силу линейной зависимости между величинами, другие виды взаимосвязей выявляются методами регрессионного анализа.

Необходимо понимать различие понятий "независимость" и "некоррелированность". Из первого следует второе, но не наоборот.

Для того, чтобы выяснить отношение между двумя переменными, часто необходимо избавиться от влияния третьей переменной. Рассмотрим пример 3-х переменных $x, y, z.$ Исключим влияние переменной $z$ :

$r_{xy \setminus z}=\frac{r_{xy}-r_{xz}r_{yz}}{\sqrt{ \left(\ 1-r_{xz} \right)^2 \left(\ 1-r_{yz} \right)^2}}$ – частный коэффициент корреляции.

Для исключения влияния большего числа переменных:

$r_{ij \setminus vars}=\frac{-R_{ij}}{\sqrt{R_{ii}R_{jj}}},$

$R_{ij} = (-1)^{i+j}M_{ij},$

где $M_{ij}$ – главный минор матрицы коэффициентов корреляции переменных

$R = \begin{pmatrix} 1 & r_{12} & \dots & r_{1k} \\r_{21} & 1 & & r_{2k}\\\vdots & & \ddots & \vdots \\r_{k1} & \dots & \dots & 1\end{pmatrix} .$

Литература

См. также

Ссылки

Корреляция (en.wiki)

Корреляционный анализ

Это незавершённая статья. Вы поможете проекту, исправив и дополнив её.

Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%9A%D0%BE%D1%8D%D1%84%D1%84%D0%B8%D1%86%D0%B8%D0%B5%D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%B8_%D0%9F%D0%B8%D1%80%D1%81%D0%BE%D0%BD%D0%B0»

Категории: Незавершённые статьи | Корреляционный анализ | Прикладная статистика | Энциклопедия анализа данных

@@ Строка 1: / Строка 1: @@
+{{TOCright}}
 == Определение ==
-Даны две выборки <tex>x=\left( x_1, \cdots ,x_n  \right), \; y=\left( y_1, \cdots ,y_n  \right) </tex>
+Коэффициент корреляции Пирсона характеризует существование линейной зависимости между двумя величинами.
+Пусть даны две выборки <tex>x^m=\left( x_1, \cdots ,x_m  \right), \; y^m=\left( y_1, \cdots ,y_m  \right);</tex> коэффициент корреляции Пирсона рассчитывается по формуле:
+::<tex>r_{xy} = \frac {\sum_{i=1}^{m} \left( x_i-\bar{x} \right)\left( y_i-\bar{y} \right)}{\sqrt{\sum_{i=1}^{m} \left( x_i-\bar{x} \right)^2 \sum_{i=1}^{m} \left( y_i-\bar{y} \right)^2}} = \frac {cov(x,y)}{\sqrt{s_x^2 s_y^2}},</tex>
+где <tex>\bar{x}, \bar{y}</tex> – выборочные средние <tex>x^m</tex> и <tex>y^m</tex>, <tex>s_x^2,  s_y^2</tex> – выборочные дисперсии, <tex>r_{xy} \in \left[-1,1\right]</tex>.
+Коэффициент корреляции Пирсона называют также теснотой линейной связи:
+*<tex>\left| r_{xy} \right| =1 \;\Rightarrow\; x, y</tex> линейно зависимы,
+*<tex>r_{xy}=0 \;\Rightarrow\; x, y</tex>  линейно независимы.
 == Статистическая проверка наличия корреляции ==
+'''Гипотеза:''' <tex>H_0</tex>: отсутствует линейная связь между выборками <tex>x</tex> и <tex>y</tex> (<tex>r_{xy} = 0</tex>).
+'''Статистика критерия: '''
+::<tex> T = \frac{r_{xy}\sqrt{n-2}}{sqrt{1-r^2_{xy}}} \sim t_{n-2} </tex> – [[распределение Стьюдента]] с <tex>n-2</tex> степенями свободы.
+'''Критерий:'''
+<tex>T \in [t_\alpha,t_{1-\alpha}]</tex>, где <tex>t_\alpha</tex> есть α-[[квантиль]] распределения Стьюдента.
+== Слабые стороны ==
+[[Image: Correlation.png|300px|thumb| Четыре различных набора данных, коэффициент корреляции на которых равен 0.81]]
+*  Неустойчивость к выбросам.
+* С помощью коэффициента корреляции Пирсона можно определить силу линейной зависимости между величинами, другие виды взаимосвязей выявляются методами [[Регрессионный анализ|регрессионного анализа]].
+* Необходимо понимать различие понятий "независимость" и "некоррелированность". Из первого следует второе, но не наоборот.
+Для того, чтобы выяснить отношение между двумя переменными, часто необходимо избавиться от влияния третьей переменной. Рассмотрим пример 3-х переменных  <tex>x, y, z.</tex> Исключим влияние переменной <tex>z</tex>:
+:: <tex>r_{xy \setminus z}=\frac{r_{xy}-r_{xz}r_{yz}}{\sqrt{ \left(\ 1-r_{xz} \right)^2 \left(\ 1-r_{yz} \right)^2}}   </tex> – [[Частная корреляция|частный коэффициент корреляции]].
+Для исключения влияния большего числа переменных:
+:: <tex>r_{ij \setminus vars}=\frac{-R_{ij}}{\sqrt{R_{ii}R_{jj}}},</tex>
+:: <tex>R_{ij} = (-1)^{i+j}M_{ij},</tex>
+где <tex>M_{ij} </tex> – главный минор матрицы коэффициентов корреляции переменных
+::<tex> R = \begin{pmatrix} 1 & r_{12} & \dots & r_{1k} \\r_{21} & 1 & & r_{2k}\\\vdots & & \ddots & \vdots \\r_{k1} & \dots & \dots & 1\end{pmatrix} .</tex>
 == Литература ==
 == См. также ==
-*[[Коэффициент корреляции Спирмена]]
+* [[Частная корреляция]]
-*[[Коэффициент корреляции Кенделла]]
+* [[Коэффициент корреляции Спирмена]]
+* [[Коэффициент корреляции Кенделла]]
 == Ссылки ==
-[http://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7 Корреляционный анализ]
+* [http://en.wikipedia.org/wiki/Correlation Корреляция (en.wiki)]
+* [http://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7 Корреляционный анализ]
-{{UnderConstruction|[[Участник:Венжега Андрей|Венжега Андрей]] 21:51, 13 ноября 2008 (MSK)}}
+{{stub}}
+[[Категория:Корреляционный анализ|П]]
+[[Категория:Прикладная статистика]]
+[[Категория:Энциклопедия анализа данных]]

Коэффициент корреляции Пирсона

Материал из MachineLearning.

Текущая версия

Содержание

Определение

Статистическая проверка наличия корреляции

Слабые стороны

Литература

См. также

Ссылки

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты