Omezení korelace

Úvod do statistiky v R

Maggie Matsui

Content Developer, DataCamp

Nelineární vztahy

Bodový graf proměnných s kvadratickým vztahem

$$r = 0.18$$

Úvod do statistiky v R

Nelineární vztahy

Co vidíme:

Bodový graf proměnných s kvadratickým vztahem a kvadratickou trendovou čárou

Co vidí korelační koeficient:

Bodový graf proměnných s kvadratickým vztahem a lineární trendovou čárou

Úvod do statistiky v R

Korelace zachycuje pouze lineární vztahy

Korelaci nelze používat slepě

cor(df$x, df$y)

0.1786163

Vždy vizualizujte data

Bodový graf proměnných s kvadratickým vztahem

Úvod do statistiky v R

Data o spánku savců

msleep

   name                       vore  sleep_total awake  bodywt
 1 Cheetah                    carni        12.1  11.9  50    
 2 Owl monkey                 omni         17     7     0.48 
 3 Mountain beaver            herbi        14.4   9.6   1.35 
 4 Greater short-tailed shrew omni         14.9   9.1   0.019
 5 Cow                        herbi         4    20   600    
 6 Three-toed sloth           herbi        14.4   9.6   3.85 
 ...
Úvod do statistiky v R

Hmotnost těla vs. doba bdění

Bodový graf hmotnosti těla vs. doby bdění

cor(msleep$bodywt, msleep$awake)

0.3119801
Úvod do statistiky v R

Rozložení hmotnosti těla

Histogram proměnné bodywt

Úvod do statistiky v R

Logaritmická transformace

msleep %>%
  mutate(log_bodywt = log(bodywt)) %>%

  ggplot(aes(log_bodywt, awake)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

 

cor(msleep$log_bodywt, msleep$awake)

0.5687943

Bodový graf log(hmotnost) vs. doba bdění

Úvod do statistiky v R

Další transformace

  • Logaritmická transformace (log(x))
  • Transformace odmocninou (sqrt(x))

  • Reciproká transformace (1 / x)

  • Kombinace, např.:

    • log(x) a log(y)
    • sqrt(x) a 1 / y
Úvod do statistiky v R

Proč používat transformaci?

  • Některé statistické metody vyžadují lineární vztah proměnných
    • Korelační koeficient
    • Lineární regrese
Úvod do statistiky v R

Korelace neznamená kauzalitu

x koreluje s y neznamená, že x způsobuje y

Bodový graf spotřeby margarínu na osobu v USA vs. míra rozvodů v Maine. Proměnné jsou silně korelovány s korelačním koeficientem 0,99

Úvod do statistiky v R

Matoucí proměnné

  Pití kávy (x) ukazuje na rakovinu plic (y)

Úvod do statistiky v R

Matoucí proměnné

  Pití kávy (x) ukazuje na rakovinu plic (y), nad nimi kouření (matoucí proměnná)

Úvod do statistiky v R

Matoucí proměnné

  Pití kávy (x) ukazuje na rakovinu plic (y) s kouřením (matoucí proměnná). Dvojitá šipka mezi kouřením a pitím kávy označená "asociace".

Úvod do statistiky v R

Matoucí proměnné

  Pití kávy (x) ukazuje na rakovinu plic (y) s kouřením (matoucí proměnná). Dvojitá šipka mezi kouřením a pitím kávy označená "asociace". Šipka z kouření na rakovinu plic označená "kauzalita"

Úvod do statistiky v R

Matoucí proměnné

  Pití kávy (x) s dvojitou šipkou na rakovinu plic (y) označenou "asociace". Dvojitá šipka mezi kouřením a pitím kávy označená "asociace". Šipka z kouření na rakovinu plic označená "kauzalita".

  Svátky (x) ukazují na maloobchodní tržby (y). Speciální akce (matoucí proměnná) mají dvojitou šipku ke svátkům a jednoduchou šipku k maloobchodním tržbám.

Úvod do statistiky v R

Lass uns üben!

Úvod do statistiky v R

Preparing Video For Download...