La trayectoria natural de las estadísticas de aprendizaje comienza con medidas de tendencia central seguidas de correlación, regresión a otros conceptos avanzados. Entre estos conceptos iniciales, me pareció fácil de entender, sin embargo, me desconcerté cuando se vinculó con otros conceptos y métricas estadísticas como causalidad, regresión, distribución, coeficiente de correlación de Pearson, etc. en este concepto. Tuve éxito porque seguí intentando y me esforzé más, cada vez que fallaba. Por lo tanto, no te acomodes, ¡sigue intentándolo!
Continuemos más allá y aprendamos sobre las preguntas más comúnmente hechas sobre la correlación. Si está aprendiendo conceptos estadísticos, seguramente enfrentará estas preguntas que la mayoría de las personas intentan evitar. Para personas como yo, debería ser un buen repaso.
Y si está buscando aprender estas preguntas para su entrevista de ciencia de datos, estamos encantados de señalarlo hacia el curso de «Entrevistas de ciencias de datos ACE». El curso tiene toneladas de videos y cientos de preguntas como estas para asegurarse de que esté bien preparado para su próxima entrevista de ciencia de datos.
- ¿La correlación y la dependencia significan lo mismo? En palabras simples si dos eventos tienen correlación de cero, ¿esto transmite que no son dependientes y viceversa?
- Si dos variables tienen una alta correlación con una tercera variable, ¿transmite esto que también estarán altamente correlacionadas? ¿Es posible que A y B se correlacionen positivamente con otra variable C? ¿Es posible que A y B estén correlacionados negativamente entre sí?
- ¿Puede el único atípico único disminuir o aumentar la correlación con una gran magnitud? ¿El coeficiente de Pearson es muy sensible a los valores atípicos?
- ¿La causalidad implica correlación?
- ¿Cuál es la diferencia entre correlación y regresión lineal simple?
- ¿Cómo elegir entre la correlación de Pearson y Spearman?
- ¿Cómo explicaría la diferencia entre correlación y covarianza?
El coeficiente de correlación más utilizado es el coeficiente de Pearson. Aquí está la fórmula matemática para derivar el coeficiente de Pearson.
Explicación: Simplemente es la relación de co-varianza de dos variables a un producto de varianza (de las variables). Se necesita un valor entre +1 y -1. Un valor extremo en ambos laterales significa que están fuertemente correlacionados entre sí. Un valor de cero indica una correlación nula pero no una no dependencia. Entenderá esto claramente en una de las siguientes respuestas.
¿Cuáles son las preguntas de correlación?
Para responder a esta pregunta, es posible recurrir a dos metodologías: una puramente matemática y los otros gráficos. Las matemáticas, toman el nombre de la correlación de Pearson (hay variantes dependiendo del tipo de datos), se calcula con la siguiente fórmula:
[latex] r = franc {sp_ {xy}} { sqrt {ss_ {x} cdot ss_ {y}} [/latex]
Para el denominador encontramos la raíz cuadrada de las dos sumas de los términos cuadrados:
El método gráfico utiliza el plan de dispersión, una herramienta estadística más adecuada para representar la asociación entre dos variables y que consiste en una gráfica que contiene un grupo de puntos, que representan las parejas ordenadas de datos. Dar dos variables, x e y, el diagrama de dispersión es el conjunto de puntos del plan identificados utilizando los valores de x como el primer coordinado y el segundo coordinó los valores de y, de modo que, a medida que aumentan las observaciones, un «Nube» de puntos que se orientaron en el plan cartesiano después de una cierta línea de tendencias.
En la Figura 1, puede ver cómo los puntos del diagrama de dispersión construido usando los valores de dos variables genéricas, X e Y, tienden a deshacerse de una línea recta que se mueve de izquierda a derecha y de abajo hacia arriba. Esta tendencia significa que, como el crecimiento de los valores de X, hay un crecimiento de los valores de y, de modo que podemos decir que los valores relativamente bajos de x corresponden valores relativamente bajos de y y que con altamente Los valores altos de x corresponden a los valores altamente altos de Y.
¿Qué son las preguntas Correlacionales?
El coeficiente de correlación es una medida de la fuerza de correlación. Puede variar de -1.00 (negativo) a +1.00 (positivo). Un coeficiente de correlación de 0 indica la ausencia de correlación.
Los estudios correlacionales son un tipo de investigación que a menudo se usa en psicología, así como en otras áreas como la medicina. La investigación correlacional es un medio preliminar para recopilar información sobre un tema. El método también es útil si los investigadores no pueden realizar una experiencia.
Los investigadores usan correlaciones para ver si existe una relación entre dos o más variables, pero las variables en sí mismas no están bajo el control de los investigadores.
Si bien la investigación correlacional puede demostrar una relación entre las variables, no puede demostrar que el cambio de una variable cambiará otra. En otras palabras, los estudios correlacionales no pueden probar las relaciones de causa y efectuar.
Hay tres tipos de investigación correlacional: observación naturalista, método de encuesta e investigación de archivo. Cada tipo tiene su propio objetivo, así como sus ventajas y desventajas.
El método de observación naturalista es observar y registrar variables de interés en un marco natural sin interferencia o manipulación.
Opción si la experiencia de laboratorio no está disponible
¿Cómo hacer una pregunta de investigación correlacional?
Primero, hay preguntas de investigación descriptivas. Estos tipos de preguntas buscan simplemente describir una situación y no incluyen ninguna prueba de hipótesis. Por ejemplo, imagine que usted es un investigador interesado en el estilo de liderazgo de los empleadores de la heladería y la satisfacción laboral de sus empleados. Las preguntas de investigación descriptivas para este tema podrían ser:
• ¿Cuál es el estilo de liderazgo de los empleadores de la heladería? • ¿Cuál es la satisfacción laboral de los empleados de la heladería?
Para estas preguntas, medias y desviaciones estándar o frecuencias y porcentajes se calcularían, dependiendo del nivel de medición de las variables.
Alinear el marco teórico, la recopilación de artículos, sintetizar brechas, articular una metodología y plan de datos claros, y escribir sobre las implicaciones teóricas y prácticas de su investigación son parte de nuestros servicios integrales de edición de tesis.
Tenga en cuenta que aquí, hay dos preguntas relacionales diferentes. Uno usa la palabra predicción y el otro usa la correlación de la palabra. Existen varias «palabras de moda» en investigación cuantitativa que indican análisis muy específicos, que incluyen predecir, correlación, diferencia, relación, positivo, negativo y más. El uso de la palabra predicción indica el uso de una regresión. El uso del correlato de la palabra indica el uso de un análisis de correlación simple. Tenga en cuenta que esto es diferente de describir su diseño de investigación como correlacional, lo que simplemente implica que está evaluando una relación, que podría ser a través de un análisis de correlación o un análisis de regresión.
¿Cómo se redacta una hipótesis correlacional?
K. Pearson desarrolló la teoría de la investigación sobre la correlación, basada en el concepto de medidas de correlación, y se describe en detalle en los libros de texto de estadísticas matemáticas. Aquí solo los aspectos metodológicos de la investigación psicológica correlativa se consideran aquí.
La estrategia para realizar un estudio de correlación es similar a un experimento casi. La única diferencia en comparación con el cuasi-experimento es que no hay un impacto controlado en el objeto. El plan de estudio de correlación es simple. El investigador avanza una hipótesis sobre la presencia de una relación estadística entre las diferentes propiedades mentales de un individuo o entre ciertos niveles externos y estados mentales. Al mismo tiempo, no se discuten las hipótesis en la adicción causal.
La correlación es un estudio realizado para confirmar o refutar la hipótesis de una relación estadística entre más (dos o más) variables. En psicología, propiedades mentales, procesos, estados, etc. Pueden actuar como variables.
«Correlación» literalmente significa «correlación». Si un cambio en una variable está acompañado de un cambio en otro, entonces podemos hablar de la correlación de estas variables. La presencia de una correlación entre dos variables no dice nada sobre las relaciones de la causa y el efecto entre ellas, sino que permite avanzar tal hipótesis. La ausencia de correlación le permite rechazar la hipótesis de una relación causal de variables. Existen diferentes interpretaciones de la presencia de una correlación entre dos mediciones:
1. Correlación directa. El nivel de una variable corresponde directamente al nivel de otro. Un ejemplo es la ley de Hick: la velocidad de procesamiento de la información es proporcional al logaritmo del número de alternativas. Otro ejemplo: la correlación entre la alta plasticidad personal y la tendencia a cambiar las actitudes sociales.
¿Cómo se realiza una correlación?
Los datos en una tabla a menudo están relacionados con los datos en otra tabla. Por ejemplo, puede tener una mesa de maestros y una mesa de clase y la mesa de clases podría tener una relación de búsqueda con la mesa del maestro para mostrar qué maestro hace lecciones en la clase. Puede usar una columna de búsqueda para ver los datos de la tabla del maestro. Este campo se indica comúnmente como una columna de investigación.
Es posible crear diferentes tipos de relaciones de una tabla a otra (o entre una tabla y sí misma). Cada tabla puede tener una relación con más de una tabla y cada tabla puede tener más de una relación con otra tabla. Algunos tipos de relaciones comunes son:
- Many-A-One En este tipo de relación, cada línea en la Tabla A puede corresponder a múltiples líneas en la Tabla B, pero cada línea en la Tabla B solo puede corresponder a una línea de Tabla A. Una clase, por ejemplo, tiene solo un salón de clases. Este es el tipo de relación más común y se muestra en la lista de columnas como columna de búsqueda
- One-a-molti-En este tipo de relación, cada línea en la Tabla B puede corresponder a múltiples líneas en la Tabla A, pero cada línea en la Tabla A solo puede corresponder a una línea de Tabla B. Por ejemplo, un maestro enseña en múltiples clases
- Muchas de las cosas en este tipo de relación cada línea en la Tabla A puede corresponder a más de una línea en la Tabla B y viceversa. Por ejemplo, los estudiantes asisten a muchas clases y cada clase puede tener más estudiantes.
Además, es posible establecer comportamientos avanzados de la cadena en las relaciones de muchas y una mora cada vez que se realiza una acción en la mesa del padre.
Para agregar un informe de investigación a una tabla, cree una relación en el área de relación y especifica la tabla con la que desea crear una relación.
¿Cómo se hace un estudio correlacional?
Una técnica utilizada para medir la probabilidad de que dos comportamientos estén relacionados entre sí.
Los psicólogos a menudo están interesados en decidir si dos comportamientos tienden a ocurrir juntos. Un medio para hacer esta evaluación implica el uso de correlaciones. A veces, se asocian dos medidas de modo que cuando el valor de uno aumenta, también aumenta el otro, una correlación positiva. Por otro lado, un valor puede aumentar sistemáticamente mientras que el otro disminuye: una correlación negativa.
Por ejemplo, el número de respuestas correctas en la prueba de un estudiante generalmente se correlaciona positivamente con la cantidad de horas dedicadas a estudiar. Los estudiantes que producen respuestas más correctas han pasado más horas estudiando; De la misma manera, las respuestas menos correctas ocurren con menos horas de estudio.
También podría ver si el número de respuestas incorrectas en una prueba está asociada con el momento del estudio. Es probable que este modelo produzca una correlación negativa: un mayor número de respuestas incorrectas se asocia con menos estudio. Es decir, el valor de una variable aumenta (respuestas incorrectas) mientras que el otro disminuye (horas de estudio).
Las correlaciones permiten evaluar si dos variables están sistemáticamente relacionadas dentro de un grupo de individuos. Una sola persona puede mostrar un comportamiento que difiere de la mayoría del resto del grupo. Por ejemplo, un estudiante determinado podría estudiar durante muchas horas y, en cualquier caso, no tener un buen rendimiento en una prueba. Esto no significa que el tiempo de estudio y los votos de las pruebas no estén relacionados; Solo significa que hay excepciones para las personas, incluso si el resto del grupo es predecible.
¿Qué es lo que realiza la correlación?
Como ya hemos dicho, el coeficiente de
La correlación (R) representa la relación lineal
Entre dos variables. Si el coeficiente de correlación es
alto en la plaza, el valor resultante
(R², el coeficiente
de determinación) representa la participación de la dispersión
Común a las dos variables (es decir, «fuerza»
o «intensidad» de la relación). Para evaluar
la correlación entre variables, es importante
conocer esta «intensidad», así como el
significativa de la correlación.
El nivel de significativa calculado para cada
La correlación es información esencial en cuanto a la
Confiabilidad de la correlación estudiada. Con el fin de
Para facilitar la identificación de estos coeficientes significativos
En cierto umbral, los cuadros de diálogo
Correlaciones del módulo estadístico
Elementary ofrece una opción para poner
destacó correlaciones significativas en Statistica
(Estas correlaciones aparecerán con un color
diferente). Como ya tenemos
Explicado (ver la sección conceptual
Elemental), la importancia de un
El coeficiente de correlación evoluciona con el tamaño de
la muestra. La prueba de significado es
la hipótesis de que la distribución de los valores de los residuos
(es decir las diferencias a la derecha de
regresión) de la variable dependiente y
sigue la ley normal y que la dispersión de los valores de
Los residuos son idénticos para todos los valores de la variable
independiente x.
Sin embargo, las simulaciones de Monte-Carlo han demostrado que el
La violación de estas hipótesis no fue dramática con
un tamaño de muestra relativamente bajo. Es dificil
para dar reglas específicas sobre estas simulaciones de
Monte-Carlo, pero muchos investigadores admiten la regla
empírico que con muestras superiores
o igual a 50, los sesgos graves son pequeños
probable, y si el tamaño de la muestra excede
100, no puede tener en cuenta estas hipótesis de
normalidad. Todavía tienes que tener cuidado
la interpretación de un coeficiente de correlación;
Algunas trampas para evitar son brevemente
abordado en el párrafo de introducción.
Los puntos atípicos
son (por definición) son observaciones «aberrantes» y raras.
Por el modo de cálculo de la línea de regresión (más precisamente,
La línea de regresión se calcula mediante minimización no de la suma
distancias simples, pero la suma de los cuadrados de las distancias de los puntos
a la derecha de la regresión), los puntos atípicos influyen fuertemente
La pendiente de la derecha y, por lo tanto, el coeficiente de correlación. Un solo punto atípico puede
modificar considerablemente la pendiente del derecho de regresión y, por lo tanto,
El valor de la correlación. Nota: Como muestra la ilustración,
Un solo punto atípico puede ser responsable de una correlación
que (una vez que se elimina este punto) estaría cerca de cero. Es inútil
decir que no debería haber conclusiones importantes sobre el valor
del coeficiente de correlación solamente (examen de los puntos de los puntos
siempre se recomienda el respectivo).
Nota: Si el tamaño de la muestra es relativamente pequeño, entonces
incluir o excluir los valores de los puntos específicos que
no son claramente «atípicos», como se ilustra en el ejemplo
Anterior, podría influir en la línea de regresión (y el coeficiente
correlación). En la siguiente ilustración llamaremos a los puntos
excluir valores «atípicos»; Sin embargo, podemos considerar
que estos puntos atípicos son probablemente valores extremos.
Más específicamente, creemos que los puntos aberrantes representan un
Error aleatorio que nos gustaría poder controlar. Desgraciadamente,
No hay un método universal para eliminar automáticamente
puntos aberrantes (ver sin embargo el enfoque del párrafo
Puntos aberrantes cuantitativos). Una herramienta práctica para identificar
Los puntos atípicos son una nube
de puntos de correlación.
Artículos Relacionados:
- Las pruebas de correlación son una herramienta valiosa para comprender la relación entre variables.
- ¿Qué es la prueba de correlación y cómo se realiza?
- Aprende a calcular las principales medidas de correlación en estadística
- Aprende a identificar los diferentes tipos de correlación en tu estadística
