Primeri vprašanj in razprava o korelaciji produktnih momentov
Korelacija produkt-moment, znana tudi kot Pearsonova korelacija, je statistična metoda, ki se uporablja za merjenje moči in smeri linearne povezave med dvema spremenljivkama. Ta metoda je uporabna na različnih področjih, od akademskih raziskav in poslovnih analiz do vrednotenja poskusov v naravoslovju. Ta članek bo obravnaval več primerov problemov in njihovih rešitev za izračun korelacije produkt-moment.
Uvod
Preden se lotimo primerov vprašanj, je dobro razumeti osnovni koncept korelacije produktnih momentov. Splošna formula, ki se uporablja za izračun Pearsonovega korelacijskega koeficienta (\(r\)), je:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
Dimana:
– \(n \) je število parov podatkov.
– \( \sum{XY} \) je vsota produktov \(X \) in \(Y \).
– \( \sum{X} \) je vsota spremenljivk \( X \).
– \( \sum{Y} \) je vsota spremenljivk \( Y \).
– \( \sum{X^2} \) je vsota kvadratov spremenljivke \( X \).
– \( \sum{Y^2} \) je vsota kvadratov spremenljivke \( Y \).
Pearsonov korelacijski koeficient (\(r \)) je vedno med -1 in 1. Pozitivna korelacija pomeni, da se obe spremenljivki gibljeta v isto smer, negativna korelacija pa pomeni, da se z naraščanjem ene spremenljivke druga zmanjšuje. Če je \(r = 0 \), potem med spremenljivkama ni linearne korelacije.
Primer vprašanja 1
datum
Sledijo podatki o rezultatih izpitov iz matematike in fizike za 5 učencev:
| Študent | Matematika (X) | Fizika (Y) |
|——-|——————-|————-|
| 1 | 85 | 90 |
| 2 | 78 | 85 |
| 3 | 85 | 80 |
| 4 | 70 | 70 |
| 5 | 80 | 88 |
Koraki za rešitev
1. Izračun pomembnih komponent:
– \( \sum{X} \) = 85 + 78 + 85 + 70 + 80 = 398
– \( \sum{Y} \) = 90 + 85 + 80 + 70 + 88 = 413
– (vsota XY) = (85/90) + (78/85) + (85/80) + (70/70) + (80/88) = 7650 + 6630 + 6800 + 4900 + 7040 = 33020
– (\sum{X^2} \) = (85^2) + (78^2) + (85^2) + (70^2) + (80^2) = 7225 + 6084 + 7225 + 4900 + 6400 = 31834
– ( \sum{Y^2} \) = (90^2) + (85^2) + (80^2) + (70^2) + (88^2) = 8100 + 7225 + 6400 + 4900 + 7744 = 34369
2. V formulo vnesite:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
\[r = \frac{5(33020) – (398)(413)}{\sqrt{[5(31834) – (398)^2][5(34369) – (413)^2]}} \]
3. Izračun rezultatov:
– Števec: \( 5(33020) – (398)(413) = 165100 – 164474 = 626 \)
– Imenovalec:
– (n\sum{X^2} – (\sum{X})^2 = 5(31834) – (398)^2 = 159170 – 158404 = 766)
– \( n\sum{Y^2} – (\sum{Y})^2 = 5(34369) – (413)^2 = 171845 – 170569 = 1276 \)
– \( \sqrt{766 \krat 1276} \približno \sqrt{976856} \približno 989.36 \)
\[r = \frac{626}{989.36} \približno 0.633 \]
Pearsonov korelacijski koeficient med rezultati testov matematike in fizike je torej 0.633, kar kaže na zmerno pozitivno korelacijo med obema spremenljivkama.
Primer vprašanja 2
datum
Sledijo podatki o vrednosti prodaje in stroških oglaševanja za 6 mesecev v podjetju:
| Mesec | Oglaševanje (X) | Prodaja (Y) |
|——-|————–|——————|
| 1 | 2000 | 2500 |
| 2 | 1800 | 2100 |
| 3 | 2200 | 2700 |
| 4 | 2400 | 2900 |
| 5 | 2300 | 3000 |
| 6 | 2500 | 3200 |
Koraki za rešitev
1. Izračun pomembnih komponent:
– \( \sum{X} \) = 2000 + 1800 + 2200 + 2400 + 2300 + 2500 = 13200
– \( \sum{Y} \) = 2500 + 2100 + 2700 + 2900 + 3000 + 3200 = 16400
– (vsota XY) = (2000/2500) + (1800/2100) + (2200/2700) + (2400/2900) + (2300/3000) + (2500/3200) = 5000000 + 3780000 + 5940000 + 6960000 + 6900000 + 8000000 = 36580000
– (\sum{X^2} \) = (2000^2) + (1800^2) + (2200^2) + (2400^2) + (2300^2) + (2500^2) = 4000000 + 3240000 + 4840000 + 5760000 + 5290000 + 6250000 = 29380000
– \( \sum{Y^2} \) = (2500^2) + (2100^2) + (2700^2) + (2900^2) + (3000^2) + (3200^2) = 6250000 + 4410000 + 7290000 + 8410000 + 9000000 + 10240000 = 45590000
2. V formulo vnesite:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
\[r = \frac{6(36580000) – (13200)(16400)}{\sqrt{[6(29380000) – (13200)^2][6(45590000) – (16400)^2]}} \]
3. Izračun rezultatov:
– Števec: \( 6(36580000) – (13200)(16400) = 219480000 – 216480000 = 3000000 \)
– Imenovalec:
– (n\sum{X^2} – (\sum{X})^2 = 6(29380000) – (13200)^2 = 176280000 – 174240000 = 2040000)
– \( n\sum{Y^2} – (\sum{Y})^2 = 6(45590000) – (16400)^2 = 273540000 – 268960000 = 4580000 \)
– \( \sqrt{2040000 \krat 4580000} \približno \sqrt{9343200000000} \približno 3056246.20 \)
\[r = \frac{3000000}{3056246.20} \približno 0.981 \]
Pearsonov korelacijski koeficient med oglaševalskimi izdatki in vrednostjo prodaje je torej 0.981, kar kaže na zelo močno pozitivno korelacijo med obema spremenljivkama.
Zaključek
Pearsonov korelacijski koeficient (\(r\)) je zelo uporabno orodje za razumevanje linearne povezave med dvema spremenljivkama. V navedenih primerih vidimo, kako izračunati vrednost \(r\) in jo interpretirati. Višja korelacija (bližje 1 ali -1) kaže na močnejšo povezavo, nižja korelacija (bližje 0) pa na šibkejšo povezavo. Pomembno je omeniti, da korelacija ne pomeni vzročne zveze; preprosto kaže, da obstaja povezava med obema spremenljivkama.
