11. Kovaryans ve Korelasyon Kovaryans X ve Y'nin birbiriyle nasıl ilişkiye sahip olduğunu gösterir. X ve Y gibi iki rastgele değişkenden biri artarken veya azalırken diğeri de buna bağlı olarak artıyor veya azalıyorsa bu iki rastgele değişken bağımlıdır denir. Bağımlılığın iki önemli ölçüsünden biri kovaryans diğeri korelasyondur. X ve Y iki farklı rasgele değişken olmak üzere ve değişkenlerin ortalamaları ve olmak ise X ve Y arasındaki kovaryans değeri şu şekilde hesaplanır. ve Olarak kovaryansı hesaplamak mümkündür. Cov(X, Y) = Cov (Y, X) Olacağı açıktır. Eğer 2 değişken beraber hareket ediyorsa kovaryans pozitif, farklı hareket ediyorsa negatiftir. X ve Y istatistiksel olarak birbirinden bağımsız iseler E(XY)=E(X).E(Y) olacağından, bu durumda Cov(X,Y)=0 bulunur. Bunun tersi doğru değildir. Yani Cov(X,Y)=0 olması X ve Y'nin bağımsızlığını gerektirmez. Korelasyon X ve Y gibi iki rastgele değişken arasındaki ilişki korelasyon katsayısı ile şeklinde verilir. Korelasyon katsayısı; dir. = 0 olması X ve Y arasında doğrusal ilişki olmadığını gösterir, < 0 olması ters yönde bir ilişkiyi > 0 olması ise aynı yönde ilişkiyi gösterir. = -1, ters yönde tam bir ilişkiyi, =+1, aynı yönde tam bir ilişkiyi gösterir. Sıfırdan uzaklaştıkça ilişkinin derecesi güçlenir. Ayrıca dir. Örnekten elde edilen korelasyon katsayısı şeklinde gösterilecektir. Örnek: Aşağıda bir olasılık tablosu verilmiştir. Cov(X, Y) değerini elde ediniz. P(X = x,Y = y) y = 0 y=1 y=2 P(x) x=0 0,02 0 0 0,02 x=1 0,36 0,08 0 0,44 x=2 0,05 0,40 0,09 0,54 P(y) 0,43 0,48 0,09 1,00 = (0) (0) (0,02) + (0) (1) (0) + (0) (2) (0) + (1) (0) (0,36) + (1) (1) (0,08) + (1) (2) (0) +(2) (0) (0,05) + (2)(1) (0,40) + (2) (2) (0,09) = 1,24 3 E[X] = (0) (0,02) + (1) (0,44) + 2 (0,54) = 1,52 E[Y] = (0) (0.43) + (1) (0,48) + (2) (0,09) = 0,66 elde edilir. Böylece Cov(X, Y) = E[XY] - E[X] E[Y] = 1,24 - (1,52) (0,66) = 0,24 Örnek: X ve Y'nin ortak olasılık dağılımı aşağıdaki tablodaki gibi verilsin. E(X), E(Y), E(XY) ve Cov(X,Y)'yi bulunuz. P(X = x,Y = y) y=-2 y=-1 y=1 y=2 P(x) X=1 0 1/4 1/4 0 2/4 X=4 1/4 0 0 1/4 2/4 P(y) 1/4 1/4 1/4 1/4 1 Çözüm: Tablodan E(X)=5/2, E(Y)=0 ve E(XY)=0 bulunur. Böylece Cov(XY)=0 dır. 4 Örnek: X ve Y rastgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu olarak verilsin. Cov(X, Y) değerini bulunuz. Çözüm: Böylece Cov(X, Y) = E[XY} - E[X] E[Y] olarak bulunur. 5 Örnek: X ve Y iki rastgele değişken olup olasılık yoğunluk fonksiyonu olarak verilmiştir. X ve Y arasındaki korelasyon katsayısını bulunuz. Cov(X, Y) = E[XY]- E[X] E[Y] Buradan 6 elde edilir. Örnekten elde edilen korelasyon katsayısı Örnekten elde edilen korelasyon katsayısı r veya şeklinde gösterilecektir. iki değişken arasındaki doğrusal ilişkinin derecesi, u r " simgesiyle gösterilen korelasyon katsayısıyla ölçülür. Korelasyon katsayısı iki değişkenin değişimlerinde, ne dereceye kadar uygunluk olduğunu belirler. Fakat hiç bir şekilde neden -sonuç ilişkisi kurmaz. Aslında bir çok durumda, modelin değişkenlerinden hangisinin bağımsız değişken, hangisinin bağımlı değişken olduğu bilinmez, işte bu gibi durumlarda, ilişkinin derecesinin belirlenmesinde oransal bir ölçü olan, "korelasyon katsayısından yararlanılır. Korelasyon katsayısının alabileceği en küçük değer-1, en büyük değerse +1 olur, başka bir anlatımla korelasyon katsayısı r, -1 < r <+1 arasında değer alır. Korelasyon katsayısının işareti pozitifse, değişkenlerden birinin değeri artarken (azalırken) diğerinin de arttığını (azaldığını) gösterir. Korelasyon katsayısının işareti negatifse, değişkenlerden birinin değeri artarken (azalırken) diğerinin değerinin azaldığını (arttığını) gösterir. Yani ters yönlü bir ilişki söz konusudur. 7 r = 0 olduğundaysa değişkenler arasında doğrusal bir ilişkinin bulunmadığı söylenebilir. r 'nin +l'e eşit olması, değişkenler arasında pozitif ve tam doğrusal bir ilişkinin varlığını ortaya koyar. r 'nin -l'e eşit olmasıysa, değişkenler arasında negatif ve tam doğrusal bir ilişkiyi belirler. Değişkenler arasındaki ilişki kuvvetlendikçe ±1'e, zayıfladıkça da sıfıra yaklaşan bir korelasyon katsayısı elde edilir. Korelasyon katsayısı. Örnek: Öğrencilerin matematik dersinde ara sınavdan aldıkları notlarla dönem sonu sınavından aldıkları notlar arasında bir ilişki olduğu düşünülmektedir. Bu ilişkinin yönünü ve derecesini belirleyiniz. Matematik Dersi Ara Sınav Notlan Matematik Dersi Dönem Sonu Sınav Notları X 45 83 54 78 55 80 68 72 30 45 48 26 Toplam=300 Toplam=384 8 Olduğundan Olarak hesaplanır. Öğrencilerin, matematik dersiyle ilgili, ara sınav notlarıyla dönem sonu sınav notları arasında, pozitif yönde, kuvvetli olmayan bir ilişki söz konusudur. 9
© Copyright 2024 Paperzz