Bir trend çizgisini değerlendirme

Tableau'da İstatistiksel Teknikler

Maarten Van den Broeck

Content Developer at DataCamp

Doğrusal ve logaritmik modeller

Doğrusal Tür zenginliği ile mesafe arasındaki doğrusal model, trend çizgisiyle.

Logaritmik Tür zenginliği ile mesafe arasındaki doğrusal model, logaritmik çizgiyle.

Doğrusal model

Tür zenginliği ile mesafe arasındaki doğrusal model, doğrusal trend çizgisiyle.

$y=a*x+b$
Regresyon: $x$'in $y$'yi nasıl değiştirdiğini ölçer
$a$ = eğim, $b$ = kesişim
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Doğrusal modelin artıkları ve $R^2$

Tür zenginliği ile mesafe arasındaki doğrusal model, doğrusal çizgiyle.

Amaç: gözlem ile trend çizgisi arasındaki mesafeyi en aza indirmek
Bu mesafeye artık (residual) denir
Belirleme katsayısı $R^2$
Doğrusal modelde $R^2$ = korelasyon katsayısının karesi
0 (en kötü) ile 1 (en iyi) arasında
$R^2 = 0.33$
Varyasyonun $n\%$'ini açıklar

Logaritmik modelin $R^2$'si

Tür zenginliği ile mesafe arasındaki doğrusal model, logaritmik çizgiyle.

$R^2 = 0.59$

Artık standart hatası (RSE)

Gözlemler ile trend çizgisi arasındaki ortalama fark
Doğrusal model: RSE = 3.69
Güven aralığı düşük ve yüksek mesafelerde daha geniş

Y ekseninin birimiyle aynı birim
Logaritmik model: RSE = 2.91
Güven aralığı yalnızca çok yüksek mesafelerde daha geniş

p-değeri

Doğrusal model

p-değeri = 0.001
Korelasyon yok olma olasılığı $\frac{1}{1000}$
p-değeri < 0.05: model istatistiksel olarak anlamlıdır, veriye iyi uyar

Logaritmik model

p-değeri = 0.0001
Korelasyon yok olma olasılığı $\frac{1}{10000}$
p-değeri ne kadar düşükse o kadar iyi, ancak tek ölçüt değildir!

Haydi pratik yapalım!

Tableau'da İstatistiksel Teknikler

Preparing Video For Download...