Tương quan

Nhập môn Thống kê với Python

Maggie Matsui

Content Developer, DataCamp

Mối quan hệ giữa hai biến

Biểu đồ phân tán thói quen ngủ của động vật có vú, tổng giờ ngủ/ngày so với REM/ngày

  • x = biến giải thích/độc lập
  • y = biến phản hồi/phụ thuộc
Nhập môn Thống kê với Python

Hệ số tương quan

  • Định lượng mối quan hệ tuyến tính giữa hai biến
  • Số nằm giữa -1 và 1
  • Độ lớn tương ứng độ mạnh của mối quan hệ
  • Dấu (+ hoặc -) tương ứng hướng của mối quan hệ
Nhập môn Thống kê với Python

Độ lớn = độ mạnh của mối quan hệ

0,99 (mối quan hệ rất mạnh)

Biểu đồ phân tán với các điểm rất gần đường thẳng vô hình

Nhập môn Thống kê với Python

Độ lớn = độ mạnh của mối quan hệ

0,99 (mối quan hệ rất mạnh)

Biểu đồ phân tán với các điểm rất gần đường thẳng vô hình

              0,75 (mối quan hệ mạnh)

Biểu đồ phân tán với các điểm xa hơn khỏi đường thẳng vô hình

Nhập môn Thống kê với Python

Độ lớn = độ mạnh của mối quan hệ

0,56 (mối quan hệ vừa)

Biểu đồ phân tán với các điểm xa hơn khỏi đường thẳng vô hình

Nhập môn Thống kê với Python

Độ lớn = độ mạnh của mối quan hệ

0,56 (mối quan hệ vừa)

Biểu đồ phân tán với các điểm xa hơn khỏi đường thẳng vô hình

             0,21 (mối quan hệ yếu)

Biểu đồ phân tán với các điểm gần như ngẫu nhiên hoàn toàn

Nhập môn Thống kê với Python

Độ lớn = độ mạnh của mối quan hệ

0,04 (không có mối quan hệ)

Biểu đồ phân tán với các điểm hoàn toàn ngẫu nhiên

  • Biết giá trị x không cho biết gì về y
Nhập môn Thống kê với Python

Dấu = hướng

0,75: khi x tăng, y tăng

Biểu đồ phân tán nơi y tăng khi x tăng

-0,75: khi x tăng, y giảm

Biểu đồ phân tán nơi y giảm khi x tăng

Nhập môn Thống kê với Python

Trực quan hóa mối quan hệ

import seaborn as sns

sns.scatterplot(x="sleep_total", y="sleep_rem", data=msleep)

plt.show()

Biểu đồ phân tán của sleep_rem so với sleep_total

Nhập môn Thống kê với Python

Thêm đường xu hướng

import seaborn as sns
sns.lmplot(x="sleep_total", y="sleep_rem", data=msleep, ci=None)

plt.show()

Biểu đồ phân tán sleep_rem so với sleep_total với đường xu hướng tuyến tính

Nhập môn Thống kê với Python

Tính hệ số tương quan

msleep['sleep_total'].corr(msleep['sleep_rem'])

0.751755

 

msleep['sleep_rem'].corr(msleep['sleep_total'])

0.751755
Nhập môn Thống kê với Python

Nhiều cách tính tương quan

  • Dùng trong khóa học này: Tương quan Pearson (sản phẩm-moment) ($r$)
    • Phổ biến nhất
    • $\bar{x} =$ trung bình của $x$
    • $\sigma_x =$ độ lệch chuẩn của $x$

$$ r = \frac{1}{n - 1} \sum_{i=1}^{n} \frac{(x_i - \bar{x})(y_i - \bar{y})}{\sigma_x \cdot \sigma_y}$$

  • Biến thể của công thức này:
    • Kendall's tau
    • Spearman's rho
Nhập môn Thống kê với Python

Ayo berlatih!

Nhập môn Thống kê với Python

Preparing Video For Download...