La conexión de los orbitales ordenados por la energía de los reactivos a los de los productos de acuerdo con los elementos de simetría que se conservan a lo largo de la reacción produce un diagrama de correlación orbital.
En cada uno de los ejemplos citados anteriormente, la reducción de la simetría se produjo como una molécula o un átomo abordado e interactuado con otra especie. El «camino» a lo largo del cual se pensaba que este enfoque ocurría se caracterizó por la simetría en el sentido de que conservaba ciertos elementos de simetría mientras destruía a otros. Por ejemplo, la colisión de dos átomos de nitrógeno para producir (n_2 ) ocurre claramente de una manera que destruye la simetría esférica pero conserva la simetría axial. En el otro ejemplo utilizado anteriormente, la molécula de formaldehído se postuló para descomponer a lo largo de una ruta que preserva (c_ {2v} ) simetría mientras destruye las simetrías axiales de Co y (H_2. ) La descomposición real del formaldehído puede ocurrir junto a lo largo de Alguna otra ruta, pero si ocurriera a lo largo de la ruta propuesta, entonces el análisis de simetría presentado anteriormente sería útil.
El análisis de reducción de simetría descrito anteriormente permite ver nuevas interacciones orbitales que surgen (por ejemplo, las interacciones 2 y (2p_z ) en el ejemplo (n + n rectarrow n_2 )) a medida que aumenta la interacción. También permite a uno construir diagramas de correlación orbitales (TOC) en los que los orbitales de los «reactivos» y los «productos» están ordenados y etiquetados por las simetrías que se conservan en todo el «camino», y los orbitales se correlacionan mediante el dibujo. Líneas que conectan los orbitales de una simetría dada, una por una en el aumento de la energía, desde el lado de los reactivos del diagrama hasta el lado de los productos. Como se señaló anteriormente, tales diagramas de correlación orbital juegan un papel central en el uso de simetría para predecir si las reacciones químicas fotoquímicas y térmicas experimentarán barreras de activación a lo largo de las rutas de reacción propuestas (este sujeto se trata en el Capítulo 12).
Para ilustrar nuevamente la construcción de un TOC, considere los orbitales p del 1,3-butadieno a medida que la molécula sufre un cierre de desvotación (observe que aquí es donde se postula una ruta particular; la reacción real puede o no ocurrir a lo largo de tal camino) para formar ciclobuteno. A lo largo de esta ruta, se conserva el plano de simetría que bisecta y es perpendicular al enlace (c_2-c_3 ), por lo que los orbitales del reactivo y el producto se etiquetan como uniformes o impares bajo reflejo a través de este plano . No es apropiado etiquetar los orbitales con respecto a su simetría debajo del plano que contiene los cuatro átomos de C; Aunque este plano es de hecho una operación de simetría para los reactivos y los productos, no sigue siendo una simetría válida a lo largo de la ruta de reacción.
¿Qué es el diagrama de correlación dispersión?
El diagrama de dispersión o el dispersión se usa para representar dos cantidades que pueden estar relacionadas entre sí e identificar cualquier relación entre dos características diferentes de una «población».
Scottergram se usa cuando las cantidades colocadas en el eje x y en el eje Y se miden cantidades con escaleras métricas (discretas o continuas).
… La relación entre dos variables cardinales está representada por el diagrama de dispersión (diagrama de dispersión o dispersión).
Para construir un diagrama de dispersión o un Scattegram o Scatterdiagram, debe seguir cuatro pasos.
1. Consideramos solo el primer dial del eje cartesiano, es decir, que delimitó por las partes positivas de los dos ejes (el pasaje);
2. Los valores de la variable independiente (x) y en orden de los del empleado (y) se representan en la abscisa.
3. Por lo general, el origen de los ejes representa el valor 0 o el valor mínimo asumido por una o ambas variables: cada eje es, por lo tanto, una variable;
4. Cada punto es una coincidencia. El conjunto de casos constituye la nube de puntos de SO y, por lo tanto, cada punto representa el par de valores relacionados con un solo caso (pasaje IV).
La relación entre dos variables cardinales puede ser:
- monotónico /no monotónico
Una relación entre dos series de cantidades ordenadas se define como monotónica si:
a. El elemento A es mayor que el elemento B en una serie, también está en el otro;
b. El elemento A es mayor que el elemento B en una serie, el elemento A es menor que el elemento B en el otro (Marradi, 1993).
¿Qué es el diagrama de dispersión y correlación?
Recientemente introdujimos el concepto de dispersión, que mide la diferencia promedio entre el retorno de un índice y el retorno de cada uno de los componentes del índice. En tiempos de alta dispersión, la brecha entre los mejores artistas y los peores de los peores es relativamente amplio; Cuando la dispersión es baja, la brecha de rendimiento se estrecha. Los niveles de dispersión de hoy son bastante bajos para los estándares históricos, lo que implica que:
- El grado en que se debe esperar que el gerente promedio hábil (o afortunado) exceda los rendimientos del índice está por debajo del promedio, y
- El grado en que se debe esperar que el gerente promedio no calificado (o desafortunado) retrase los rendimientos del índice también está por debajo del promedio.
Una consecuencia de la baja dispersión, en otras palabras, es que la brecha entre los mejores y los peores es más pequeños de lo que sería si la dispersión fuera mayor. Si ese es el caso, entonces el entorno actual no es especialmente bueno para demostrar la habilidad de selección de existencias.
Por otro lado, con frecuencia se argumenta en las últimas semanas que, desde la correlación de las acciones dentro del mercado de acciones de EE. UU. Está cayendo, 2014 está listo para ser un «mercado de recipientes». De hecho, las correlaciones han estado disminuyendo, lo que significa que la correlación y la dispersión parecen estar entregando mensajes inconsistentes. ¿Es uno «correcto» y el otro «incorrecto»?
La razón de esta aparente contradicción es que la correlación y la dispersión miden dos cosas diferentes. Considere un ejemplo simple, examinando el comportamiento de dos acciones durante un período de tenencia de 20 días:
La correlación entre A y B es -1.00. Las dos acciones son diversificadores ideales, ya que se mueven en uno los movimientos completamente compensados en el otro. Sin embargo, el rendimiento de ambas acciones es el mismo 0%. Independientemente de cuál compró el inversor, su regreso sería el mismo. (La única recompensa disponible para las estrategias de selección es, de hecho, una sanción, ya que tener un stock implica más volatilidad que mantener ambos). Eso no suena como un buen ambiente para la selección de existencias.
¿Cómo explicar el diagrama de dispersión?
Los gráficos de dispersión se utilizan para rastrear puntos de datos en el eje horizontal y vertical, en un intento por mostrar cuánto está influenciada una variable.
Cada línea en la tabla de datos está representada por un marcador, cuya posición depende de sus valores en las columnas establecidas en el eje x e y. En el eje Y puede usar múltiples escaleras si desea comparar varios marcadores con significativamente diferentes intervalos de valores. Se puede configurar una tercera variable para corresponder al color o tamaño de los marcadores (por ejemplo, un gráfico de burbujas) que agrega otro tamaño al diseñador gráfico.
La relación entre diferentes variables se llama correlación. Si los marcadores crean casi una línea recta en el gráfico de dispersión, las dos variables tienen una alta correlación. Si, por otro lado, los marcadores se distribuyen igualmente en el gráfico de dispersión, la correlación es baja o cero. Sin embargo, incluso si puede parecer una correlación, no siempre es el caso. Las variables podrían estar vinculadas a una tercera variable, explicando así la variación. Incluso una coincidencia pura podría causar una correlación aparente.
Si se aplica en el momento de la creación del análisis, el gráfico de dispersión puede mostrar información adicional en líneas de referencia o más tipos de curvas diferentes. Estas líneas o curvas podrían mostrar, por ejemplo, por qué efectividad se adaptan los puntos de datos a ciertas curvas polinómicas o resumir un conjunto de puntos de datos ejemplares insertándolos en un modelo que describe los datos y muestre una curva o una línea recta por encima de la pantalla . Por lo general, la curva cambia de apariencia de acuerdo con los valores excluidos a través del filtro en el análisis. En el paso del mouse, se muestra una descripción de control con indicaciones sobre cómo se calcula la curva.
¿Qué es correlación y sus tipos?
Cuando el aumento en una variable (x) es seguido por un aumento correspondiente en la otra variable (y); Se dice que la correlación es una correlación positiva. Las correlaciones positivas varían de 0 a +1; El límite superior, es decir, +1 es el coeficiente positivo perfecto de correlación.
La correlación positiva perfecta especifica que, para cada aumento de la unidad en una variable, hay un aumento proporcional en el otro. Por ejemplo, «calor» y «temperatura» tienen una correlación positiva perfecta.
Si, por otro lado, el aumento en una variable (x) da como resultado una disminución correspondiente en la otra variable (y), se dice que la correlación es una correlación negativa.
La correlación negativa varía de 0 a – 1; el límite inferior dando la correlación negativa perfecta. La correlación negativa perfecta indica que para cada aumento de la unidad en una variable, hay una disminución de la unidad proporcional en la otra.
La correlación cero significa que no hay relación entre las dos variables x e y; es decir, el cambio en una variable (x) no está asociado con el cambio en la otra variable (y). Por ejemplo, peso corporal e inteligencia, tamaño de zapato y salario mensual; etc. La correlación cero es el punto medio del rango: 1 a + 1.
La correlación lineal es la relación de cambio entre las dos variables, ya sea en la misma dirección o dirección opuesta y la representación gráfica de la única variable con respecto a otra variable es la línea recta.
Considere otra situación. Primero, con el aumento de una variable, la segunda variable aumenta proporcionalmente hasta algún punto; Después de eso con un aumento en la primera variable, la segunda variable comienza a disminuir.
¿Cuántas correlaciones existen?
(Nota: Todas las publicaciones anteriores en la categoría de estadísticas básicas se enumeran en el lado derecho. Seleccione «Regrese a las categorías» para ir a la página con todas las publicaciones ordenadas por categoría. Seleccione este enlace para obtener información sobre el software SPC para Excel .)
A menudo buscamos correlaciones entre variables. Queremos saber si se puede controlar una variable controlando otra variable. Por ejemplo, es posible que queramos ver si hay una correlación entre el tiempo de reacción y la pureza del producto. O tal vez entre tiempo extra en el almacén y líneas enviadas desde el almacén por día.
Hay todo tipo de correlaciones que podemos ver. A veces, las variables aumentan o disminuyen con el tiempo. Por ejemplo, la temperatura de la Tierra aumenta con el tiempo. También lo son los niveles de gases de efecto invernadero. Si realiza un análisis de correlación en estas dos variables, encontrará que la temperatura global se correlaciona fuertemente con el nivel de gases de efecto invernadero. ¿Pero esto significa que uno es la causa del otro? No necesariamente. Cuando dos variables están en tendencia hacia arriba o hacia abajo, un análisis de correlación a menudo mostrará que hay una relación significativa, simplemente por la tendencia, no necesariamente porque existe una relación causa y efecto entre las dos variables.
Algunas correlaciones con los datos de tendencia tienen sentido; Otros no lo hacen. La publicación de este mes analiza el método que puede usar para ayudar a determinar si la correlación entre dos variables de tendencia podría ser real. Implica «eliminar» los resultados, es decir, eliminar la tendencia para ver si todavía hay una correlación entre las dos variables.
También puede descargar una copia PDF de esta publicación en este enlace. No dude en dejar un comentario al final de la publicación.
Artículos Relacionados:
