Shembuj Pyetjesh dhe Diskutime mbi Korrelacionin e Momenteve të Produktit
Korrelacioni Produkt-Moment, i njohur edhe si Korrelacioni Pearson, është një metodë statistikore e përdorur për të matur forcën dhe drejtimin e një marrëdhënieje lineare midis dy variablave. Kjo metodë është e dobishme në fusha të ndryshme, nga kërkimet akademike dhe analiza e biznesit deri te vlerësimi i eksperimenteve në shkencat natyrore. Ky artikull do të diskutojë disa probleme shembullore dhe zgjidhjet e tyre për llogaritjen e Korrelacionit Produkt-Moment.
Pendahuluan
Para se të hyjmë në pyetjet shembull, është mirë të kuptojmë konceptin bazë të Korrelacionit të Momentit të Produktit. Formula e përgjithshme e përdorur për të llogaritur koeficientin e korrelacionit Pearson (\(r\)) është:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
Ku:
– \(n \) është numri i çifteve të të dhënave.
– \( \sum{XY} \) është shuma e prodhimeve \(X \) dhe \(Y \).
– \( \sum{X} \) është shuma e variablave \(X \).
– \( \sum{Y} \) është shuma e variablave \(Y \).
– \( \sum{X^2} \) është shuma e katrorëve të variablit \(X \).
– \( \sum{Y^2} \) është shuma e katrorëve të variablit \(Y \).
Koeficienti i korrelacionit Pearson (\(r\)) është gjithmonë midis -1 dhe 1. Një korrelacion pozitiv tregon se të dy variablat lëvizin në të njëjtin drejtim, ndërsa një korrelacion negativ tregon se ndërsa një variabël rritet, tjetra zvogëlohet. Nëse \(r = 0\), atëherë nuk ka korrelacion linear midis dy variablave.
Shembull Pyetjeje 1
Data
Më poshtë janë të dhënat e rezultateve të provimit të matematikës dhe fizikës për 5 nxënës:
| Student | Matematikë (X) | Fizikë (Y) |
|——-|——————-|—————-|
| 1 | 85 | 90 |
| 2 | 78 | 85 |
| 3 | 85 | 80 |
| 4 | 70 | 70 |
| 5 | 80 | 88 |
Hapat për të zgjidhur
1. Llogaritja e Komponentëve të Rëndësishëm:
– \( \sum{X} \) = 85 + 78 + 85 + 70 + 80 = 398
– \( \sum{Y} \) = 90 + 85 + 80 + 70 + 88 = 413
– \( \sum{XY} \) = (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. Shkruani në formulë:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
\[ r = \frac{5(33020) – (398)(413)}{\sqrt{[5(31834) – (398)^2][5(34369) – (413)^2]}} \]
3. Llogaritja e rezultateve:
– Numëruesi: \( 5(33020) – (398)(413) = 165100 – 164474 = 626 \)
– Emëruesi:
– \( n\sum{X^2} – (\sum{X})^2 = 5(31834) – (398)^2 = 159170 – 158404 = 766 \)
– \( n\sum{Y^2} – (\sum{Y})^2 = 5(34369) – (413)^2 = 171845 – 170569 = 1276 \)
– \( 766 herë 1276} afërsisht 976856} afërsisht 989.36 \)
\[ r = \frac{626}{989.36} \afërsisht 0.633 \]
Kështu, koeficienti i korrelacionit Pearson midis rezultateve të testeve të matematikës dhe fizikës është 0.633, që tregon se ekziston një korrelacion i moderuar pozitiv midis dy variablave.
Shembull Pyetjeje 2
Data
Më poshtë janë të dhënat mbi vlerën e shitjeve dhe shpenzimet për reklamim nga 6 muaj në një kompani:
| Muaji | Reklamim (X) | Shitje (Y) |
|——-|————–|———————|
| 1 | 2000 | 2500 |
| 2 | 1800 | 2100 |
| 3 | 2200 | 2700 |
| 4 | 2400 | 2900 |
| 5 | 2300 | 3000 |
| 6 | 2500 | 3200 |
Hapat për të zgjidhur
1. Llogaritja e Komponentëve të Rëndësishëm:
– \( \sum{X} \) = 2000 + 1800 + 2200 + 2400 + 2300 + 2500 = 13200
– \( \sum{Y} \) = 2500 + 2100 + 2700 + 2900 + 3000 + 3200 = 16400
– \( \sum{XY} \) = (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. Shkruani në formulë:
\[ r = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{\sqrt{[n\sum{X^2} – (\sum{X})^2][n\sum{Y^2} – (\sum{Y})^2]}} \]
\[ r = \frac{6(36580000) – (13200)(16400)}{\sqrt{[6(29380000) – (13200)^2][6(45590000) – (16400)^2]}} \]
3. Llogaritja e rezultateve:
– Numëruesi: \( 6(36580000) – (13200)(16400) = 219480000 – 216480000 = 3000000 \)
– Emëruesi:
– \( n\sum{X^2} – (\sum{X})^2 = 6(29380000) – (13200)^2 = 176280000 – 174240000 = 2040000 \)
– \( n\sum{Y^2} – (\sum{Y})^2 = 6(45590000) – (16400)^2 = 273540000 – 268960000 = 4580000 \)
– \( 2040000 herë 4580000} afërsisht 9343200000000} afërsisht 3056246.20 \)
\[ r = \frac{3000000}{3056246.20} \afërsisht 0.981 \]
Kështu, koeficienti i korrelacionit Pearson midis shpenzimeve për reklamim dhe vlerës së shitjeve është 0.981, gjë që tregon se ekziston një korrelacion shumë i fortë pozitiv midis dy variablave.
konkluzioni
Koeficienti i korrelacionit Pearson (\(r\)) është një mjet shumë i dobishëm për të kuptuar marrëdhënien lineare midis dy variablave. Në shembujt e dhënë, shohim se si të llogarisim vlerën \(r\) dhe ta interpretojmë atë. Një korrelacion më i lartë (më afër 1 ose -1) tregon një marrëdhënie më të fortë, ndërsa një korrelacion më i ulët (më afër 0) tregon një marrëdhënie më të dobët. Është e rëndësishme të theksohet se korrelacioni nuk nënkupton shkakësi; ai thjesht tregon se ekziston një marrëdhënie midis dy variablave.
