Korelasyon Katsayısı Hesaplama

Korelasyon Katsayısı Hesaplama

Büyüyen AI Skill PRO

Hesaplamaya Girin

Formül

r=∑(xi−x‾)(yi−y‾)∑(xi−x‾)2∑(yi−y‾)2burada{xi=X değerleriyi=Y değerlerix‾=1n∑xiy‾=1n∑yi\begin{gathered} r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \; \sum (y_i - \bar{y})^2}} \\[1.5em] \text{burada}\quad \left\{ \begin{aligned} x_i &= \text{X değerleri} \\ y_i &= \text{Y değerleri} \\ \bar{x} &= \tfrac{1}{n}\textstyle\sum x_i \\ \bar{y} &= \tfrac{1}{n}\textstyle\sum y_i \end{aligned} \right. \end{gathered}
Kullanım istatistikleri

Reklam

Sonuç

Pearson Korelasyon Katsayısı (r)
0,7746
aralık: −1 ile +1
Belirleme katsayısı (r²) 0,6
Veri çifti sayısı (n) 5
X'in ortalaması 3
Y'nin ortalaması 4
Kovaryans 1,2
Regresyon eğimi 0,6
Regresyon kesim noktası 2,2

Bu sayfadaki bir hatayı bildir

Korelasyon katsayısı nedir?

r ile gösterilen Pearson korelasyon katsayısı, iki değişkenin doğrusal bir çizgi boyunca ne kadar birlikte hareket ettiğini ölçer. Değeri her zaman −1 ile +1 arasındadır. +1'e yakın bir değer güçlü pozitif doğrusal ilişkiyi (X arttıkça Y de artar), −1'e yakın bir değer güçlü negatif ilişkiyi, 0'a yakın bir değer ise neredeyse hiç doğrusal ilişki olmadığını gösterir.

İki değişken arasındaki pozitif, negatif ve sıfır korelasyonu gösteren üç saçılım grafiği
Pozitif (r +1'e yakın), negatif (r -1'e yakın) ve korelasyonsuz (r 0 civarında) durumlar için saçılım desenleri.

Bu hesaplama aracı nasıl kullanılır?

X değerlerinizi ve bunlara karşılık gelen Y değerlerinizi, her listeyi virgül veya boşlukla ayırarak girin. İki listenin eleman sayısı aynı olmalıdır; farklıysa yalnızca eşleşen ilk çiftler kullanılır. Araç; r değerini, belirleme katsayısı r²'yi, kovaryansı, her kümenin ortalamasını ve en iyi uyum sağlayan regresyon doğrusunun eğimi ile kesim noktasını verir.

Formülün açıklaması

Her çift için, x'in ortalamasından sapmasını \((x - \bar{x})\) ve y'nin ortalamasından sapmasını \((y - \bar{y})\) hesaplarız. Pay, bu sapmaların çarpımlarının toplamıdır; payda ise sapma karelerinin toplamlarının çarpımının kareköküdür. Bölme işlemi sonucu −1 ile +1 aralığına standartlaştırır; böylece elde edilen büyüklük ölçü birimlerinden bağımsız olur.

$$r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \; \sum (y_i - \bar{y})^2}}$$
Reklam
Ortalama çizgileriyle dört çeyreğe bölünmüş, noktaların korelasyona nasıl katkıda bulunduğunu gösteren saçılım grafiği
x ve y ortalamalarından sapmalar birleşerek formülün özünü oluşturan kovaryansı meydana getirir.

Çözümlü örnek

X = 1, 2, 3, 4, 5 ve Y = 2, 4, 5, 4, 5 değerlerini ele alalım. Ortalamalar \(\bar{x} = 3\) ve \(\bar{y} = 4\)'tür. Sapma çarpımlarının toplamı 6, \(\sum (x-\bar{x})^2 = 10\) ve \(\sum (y-\bar{y})^2 = 6\) olur. Buradan

$$r = \frac{6}{\sqrt{10 \times 6}} = \frac{6}{\sqrt{60}} \approx 0{,}7746$$

ve \(r^2 \approx 0{,}6\) elde edilir. Bu, oldukça güçlü bir pozitif doğrusal ilişkiye işaret eder.

Reklam
Veri noktalarının saçılım grafiği ve bunların arasından geçen en iyi uyum regresyon doğrusu
Regresyon doğrusu, hesaplanan r değerinin ardındaki doğrusal ilişkiyi özetler.

Sıkça sorulan sorular

Korelasyon, nedensellik anlamına gelir mi? Hayır. Yüksek bir r değeri yalnızca değişkenlerin birlikte hareket ettiğini gösterir; birinin diğerine neden olduğunu kanıtlamaz.

"Güçlü" korelasyon nedir? Kabaca bir kılavuz olarak, \(|r|\) değerinin 0,7'nin üzerinde olması güçlü, 0,3–0,7 arası orta, 0,3'ün altında ise zayıf kabul edilir; ancak bağlam her zaman önemlidir.

r² neden önemlidir? r², Y'deki değişimin X ile olan doğrusal ilişkiyle açıklanan oranını gösterir; 0,6'lık bir r² değeri, Y'nin varyansının %60'ının açıklandığı anlamına gelir.

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör