Különbség a pozitív és a negatív korreláció között | Pozitív vs. negatív korreláció

Pozitív korreláció vs. negatív korreláció

Korreláció egy intézkedés a két változó közötti kapcsolat erejéről. A korrelációs együttható meghatározza a változó változásának mértékét a változó változása alapján. A statisztikákban a korreláció a függőség fogalmához kapcsolódik, ami két változó közötti statisztikai kapcsolat.

A Pearson korrelációs együtthatóját vagy a Pearson-termék-momentum korrelációs koefficiensét, vagy egyszerűen a korrelációs együtthatót a következő képletekkel kapjuk meg.

Lakosság:

Egy minta esetén:

és a következő kifejezés egyenértékű a fenti kifejezéssel.

és

az X és az Y standard pontszámai.

az átlag és s

X _{és s} Y _{az X és az Y standard deviációja.} A Pearson korrelációs együtthatója (vagy csak a korrelációs együttható) általánosan használt korrelációs együttható, és csak a változók közötti lineáris összefüggésre érvényes. r értéke -1 és 1 között van (-1 ≤ r ≤ +1). Ha r = 0, akkor nincs összefüggés, és ha r ≥ 0, akkor a reláció egyenesen arányos, és egy változó értéke növekszik a másikkal. Ha r ≤ 0, egy változó csökken, ahogy a másik nő, és fordítva.

A linearitás miatt a r korrelációs koefficiens is használható a változók közötti lineáris kapcsolat jelenlétének megállapításához.

Mi a különbség a pozitív korreláció és a negatív korreláció között?

• Ha van két pozitív változó pozitív korrelációja (r> 0), akkor az egyik változó arányos a másik változóval. Ha egy változó növeli a többi növekedést. Ha egy változó csökken, akkor a másik is csökken.

• Ha a két véletlen változó között negatív korreláció (r <0) van, akkor a változók ellentétesek egymással. Ha egy változó növeli a többi csökkenést és fordítva.

• A pozitív korrelációhoz közelítő vonal pozitív gradienssel rendelkezik, és a negatív korrelációhoz közelítő vonal negatív gradienssel rendelkezik.