correlation
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revisionNext revisionBoth sides next revision | ||
correlation [2019/12/19 12:28] – [e.g. 1,] hkimscil | correlation [2020/11/17 20:24] – [공분산] hkimscil | ||
---|---|---|---|
Line 2: | Line 2: | ||
<WRAP left> | <WRAP left> | ||
^ 상관관계 데이터 | ^ 상관관계 데이터 | ||
- | | 사람 | + | | 사람 |
| A | 1 | 1 | ::: | | | A | 1 | 1 | ::: | | ||
| B | 1 | 3 | ::: | | | B | 1 | 3 | ::: | | ||
Line 22: | Line 22: | ||
관계의 방향성에 대해서 알려준다. + 사인의 경우, 선형적인 관계가 양의 관계임을, | 관계의 방향성에 대해서 알려준다. + 사인의 경우, 선형적인 관계가 양의 관계임을, | ||
^ 관계의 방향성 | ^ 관계의 방향성 | ||
- | | < | + | | [{{: |
**__관계의 형태 (form)__** \\ | **__관계의 형태 (form)__** \\ | ||
^ 관계의 형태 (form) | ^ 관계의 형태 (form) | ||
- | | < | + | | [{{: |
**__관계의 정도 (힘)__** | **__관계의 정도 (힘)__** | ||
Line 62: | Line 62: | ||
$$ \text{cov(x, | $$ \text{cov(x, | ||
공분산 값은 x와 y의 단위에 의한 영향을 받는다. 따라서 이 값을 x와 y의 표준편차 값으로 나누어 준것을 피어슨의 상관계수 (Pearson' | 공분산 값은 x와 y의 단위에 의한 영향을 받는다. 따라서 이 값을 x와 y의 표준편차 값으로 나누어 준것을 피어슨의 상관계수 (Pearson' | ||
- | $$ \text{corr(x, | + | |
+ | \begin{eqnarray*} | ||
+ | \text{corr(x, | ||
+ | & = & \frac{\text{cov(x, | ||
+ | \end{eqnarray*} | ||
아래가 이를 설명한다. | 아래가 이를 설명한다. | ||
====== Pearson' | ====== Pearson' | ||
Line 187: | Line 192: | ||
& = & .875 \nonumber | & = & .875 \nonumber | ||
\end{eqnarray} | \end{eqnarray} | ||
+ | |||
+ | 참고로 아래는 Covariance 대 Variance 비율로 계산한 것 | ||
+ | \begin{eqnarray*} | ||
+ | r & = & \frac {Cov(X,Y)} {\sqrt{Var(X) Var(Y)}} \\ | ||
+ | r & = & \frac {\frac{SP}{n-1}} | ||
+ | \end{eqnarray*} | ||
혹은, | 혹은, | ||
- | \begin{eqnarray} | + | \begin{eqnarray*} |
- | SS_{\tiny X} & = & \sum X^2 - \frac{(\sum X)^2}{n} | + | SS_{X} & = & \sum X^2 - \frac{(\sum X)^2}{n} \\ |
- | & = & \textstyle | + | & = & 244 - \frac{(30)(30)}{5} \\ |
- | & = & 64 \nonumber | + | & = & 64 |
- | \end{eqnarray} | + | \end{eqnarray*} |
\begin{eqnarray} | \begin{eqnarray} |
correlation.txt · Last modified: 2023/10/05 17:19 by hkimscil