Vzájemná závislost - KORELACE

Slides:



Advertisements
Podobné prezentace
ZÁKLADY EKONOMETRIE 6. cvičení Autokorelace
Advertisements

Statistika.
Korelace a regrese Karel Zvára 1.
kvantitativních znaků
Použité statistické metody
Mikroekonomie I Použití grafů v mikroekonomii
Základy elektrotechniky
Rozbory přesnosti v jednotlivých fázích vytyčení
MECHANIKA.
Testování hypotéz (ordinální data)
Statistika Vypracoval: Mgr. Lukáš Bičík
Korelace a regrese síla (těsnost) závislosti dvou náhodných veličin: korelace symetrický vztah obou veličin neslouží k předpovědi způsob (tvar) závislosti.
kvantitativních znaků
Základy ekonometrie Cvičení října 2010.
Řízení a supervize v sociálních a zdravotnických organizacích
VLASTNOSTI MOTORICKÝCH TESTŮ Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS.
Kontingenční tabulky Závislost dvou kvalitativních proměnných.
MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK.
Charakteristické rysy a typy jednorozměrného rozdělení četností.
Statistika Zkoumání závislostí
Charakteristiky variability
Korelace a elaborace aneb úvod do vztahů proměnných
Lineární regresní analýza
Biostatistika 6. přednáška
Biostatistika 7. přednáška
Charakteristiky variability
Experimentální fyzika I. 2
Teorie psychodiagnostiky a psychometrie
ELEKTRICKÝ POTENCIÁL ELEKTRICKÉ NAPĚTÍ.
Praktikum elementární analýzy dat Třídění 2. a 3. stupně UK FHS Řízení a supervize (LS 2012) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
Distribuční funkce diskrétní náhodná proměnná spojitá náhodná proměnná
Biostatistika 8. přednáška
Korelace.
Biostatistika 1. přednáška Aneta Hybšová
Třídění 2. a 3. stupně: orientační mapa možností bivariátních analýz
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
VY_32_INOVACE_21-16 STATISTIKA 2 Další prvky charakteristiky souboru.
© Tom Vespa STATISTICKÉ ZPRACOVÁNÍ DAT (JEDNOROZMĚRNÉ SOUBORY)
Hustota pravděpodobnosti – případ dvou proměnných
1. cvičení
STATISTICKÝ ROZCESTNÍK aneb CO S DATY Martin Sebera.
Míry asociace obecná definice – síla a směr vztahu
IV..
Základy statistiky Základní pojmy. Základy statistiky Statistiku můžeme chápat jako činnost - získávání stat. údajů, jejich zpracování a vyhodnocení jako.
STATISTIKA 1. MOMENTY Vztah mezi momenty v rámci skupin a celku Data rozdělena do několika skupin S 1, …, S k Počty objektů v jednotlivých skupinách n.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Výukový materiál zpracován v rámci projektu EU peníze školám Registrační číslo projektu: CZ.1.07/1.5.00/
Charakteristiky variability Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Základy zpracování geologických dat R. Čopjaková.
… jsou bohatší lidé šťastnější?
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
INDUKTIVNÍ STATISTIKA
Korelace Korelace obecně je míra kvality (vhodnosti, těsnosti) nalezeného regresního modelu pro daná data; vychází z hodnot reziduí V každém typu regresního.
Opakování – přehled metod
Test dobré shody Fisherův přesný test McNemar test
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
Statistika 2.cvičení
STATISTICKÉ ZPRACOVÁNÍ DAT (JEDNOROZMĚRNÉ SOUBORY)
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Spojitá a kategoriální data Základní popisné statistiky
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Střední škola obchodně technická s. r. o.
STATISTICKÉ ZPRACOVÁNÍ DAT (JEDNOROZMĚRNÉ SOUBORY)
STATISTICKÉ ZPRACOVÁNÍ DAT (JEDNOROZMĚRNÉ SOUBORY)
ELEKTRICKÝ POTENCIÁL ELEKTRICKÉ NAPĚTÍ.
7. Kontingenční tabulky a χ2 test
Třídění 2. a 3. stupně: orientační mapa možností bivariátních analýz
Vzájemná závislost - KORELACE
NOMINÁLNÍ VELIČINY Odhad hodnoty pravděpodobnosti určitého jevu v základním souboru Test hodnoty pravděpodobnosti určitého jevu v základním souboru Srovnání.
Transkript prezentace:

Vzájemná závislost - KORELACE STATISTIKA Vzájemná závislost - KORELACE © Tom Vespa

SKOK DALEKÝ Z MÍSTA Z -body T -body percent skok daleký z místa n x (cm) 1 178 2 182 3 188 4 191 5 193 6 199 Z -body T -body percent f kum f 1 2 3 4 5 6 -10,5 110,25 -6,5 42,25 -0,5 0,25 2,5 6,25 4,5 20,25 10,5 -1,51 34,88 8,33 -0,94 40,64 25,00 -0,07 49,28 41,67 0,36 53,60 58,33 0,65 56,48 75,00 1,51 65,12 91,67 Arit. průměr 188,5 s2 = 48,25 cm2 Modus 189,5 s = 6,95 cm Var. rozpětí 21 © Tom Vespa © Tom Vespa

Při testování často používáme pro jednu osobu více testů. (K jedné TO máme několik výsledků) Pokud s daty chceme pracovat dále, často nás zajímá, zda se mezi výsledky objeví vzájemná závislost. (např. zda TO s nadprůměrným výkonem u skoku dalekého z místa bude nadprůměrná i u vertikálního skoku dosažného). © Tom Vespa

Vertikální skok dosažný Skok daleký z místa Vertikální skok dosažný n x (cm) y(cm) 1 178 46 2 182 49 3 188 54 4 191 52 5 193 58 6 199 59 © Tom Vespa

Pearsonův korelační koeficient r Pro popis vzájemné závislosti proměnných zpravidla využíváme určení síly závislosti – korelace. Pro měření korelace se nejčastěji používá Pearsonův korelační koeficient r © Tom Vespa

Rozptyl proměnné „x“ Rozptyl proměnné „y“ Kovariace veličin x,y © Tom Vespa

Korelační koeficient r může nabývat hodnoty od -1 do 1, kde 1 a -1 znamená maximální závislost proměnných, zatímco 0 značí nezávislost proměnných. V případě záporné hodnoty korelačního koeficientu platí, že zatímco jedna proměnná roste, druhá klesá – nepřímá závislost U korelačního koeficientu nás tedy zajímá: jeho velikost (absolutní hodnota) znaménko (udává směr korelace). © Tom Vespa

Pro absolutní velikost korelačního koeficientu zjednodušeně platí: (podle R.Kohoutka) 0,9 – 1 extrémní závislost 0,7 – 0,9 velmi těsná 0,4 – 0,7 středně těsná 0,2 – 0,4 nepříliš těsná <0,2 zanedbatelná © Tom Vespa

Pro směr korelace platí podle znaménaka: + přímá závislost - nepřímá závislost © Tom Vespa

n x (cm) y(cm) yi-y (yi-y)2 xi - x (xi-x)2 (xi-x)(yi-y) 1 178 46 -7 49 -10,5 110,25 73,5 2 182 -4 16 -6,5 42,25 26 3 188 54 -0,5 0,25 4 191 52 -1 2,5 6,25 -2,5 5 193 58 25 4,5 20,25 22,5 6 199 59 36 10,5 63 © Tom Vespa

Correl = 0,945 Skok daleký z místa Vertikální skok dosažný n x (cm) y(cm) 1 178 46 2 182 49 3 188 54 4 191 52 5 193 58 6 199 59 Correl = 0,945 © Tom Vespa

Důležité: Je třeba si uvědomit, že korelace pouze popisuje vzájemný vztah mezi dvěma proměnnými, ale neznamená příčinnost jevu. © Tom Vespa