Correlation Coefficient
Correlation မှာ Coverience ကို ရှာဖွေပြီးသည့်အချိန်တွင် Data အချင်းချင်း မည်မျှ ခိုင်မာစွာချိတ်ဆက်သည်ကို ထပ်မံလေ့လာ ရန် ယင်းကိုအခြေခံ ကာ Coefficient ကို ထပ်မံတွက်ထုတ်နိုင်ပါသည်။ Correlation ကို r value ဟုလည်း ခေါ်ဝေါ်သုံးနှုန်းကြပါသည်။
R value အမျိုးမျိုးရှိနိုင်ပြီး Correlation ပုံစံလည်း အမျိုးမျိုးကွဲပြားခြားနားနိုင်ပါသည်။
Data x နှင့် y ၏ Correlation (r value) Cor(x,y) ကို တွက်လိုပါက Coverience /Cov(x,y)ကို တည် Standard Deviations နှစ်ခု (Sx,Sy) မြောက်လဒ်နှင့်စားပေးရပါမည်။
Coverience တန်ဖိုး Cov(x,y) ကို အခြေခံပြီး Correlation တန်ဖိုး Corr(x,y) ကို အောက်ပါဖော်မြူလာဖြင့်တွက်ထုတ်နိုင်ပါသည်။
Corr(X,Y) = Cov[X,Y] / ( StdDev(X) ∙ StdDev(Y) )
မှတ်ချက် Standard deviation တွက်ပုံကို Statistic သင်ခန်းစာတွင် အသေးစိတ် လေ့လာရန်လိုအပ်ပြီး Formula မှာအောက်ပါအတိုင်းဖြစ်ပါသည်။
![]() |
X_Mean=39, y_Mean=154,
Total sum=∑(x-x_mean)* (y-y_mean)=55,
Total number =n=5
Cov(x,y)= Total sum/ n -1 = 55/4 = 13.75
∑ (x-x_mean)^2=10
∑ (y-y_mean)^2=369
x_std =√(10/4)
y_std = √(369/4)
Corr(x,y) = Cov(x,7)/(x_std*ystd) = 13.37/(1.58*9.6) = 0.9
တွက်ချက်မှုအရ r value (Correlation) သည် -1 နှင့် +1 ကြားရှိနေမည်ဖြစ်ပါသည်။
+1 နှင့် နီးစပ်ပါက အပေါင်းလက္ခဏာ ဆောင်သော ဆက်သွယ်မှု (Positive Relation) ဟုသတ်မှတ်ပြီး
-1 နှင့် နီးစပ်ပါက အနှုတ်လက္ခဏာ ဆောင်သော ဆက်သွယ်မှု (Negative Relation) ဟုသတ်မှတ်နိုင်ပါသည်။
0 နှင့်ညီနေပါက ဆက်သွယ်မှုချိတ်ဆက်မှု မရှိဟုသတ်မှတ်နိုင်ပါသည်။
R Value ကိုအခြေခံပြီး ရလာဒ်များကို ဂရပ်ဖြင့်ဖော်ပြသည့်အခါ r value 1 ဖြစ်ပါက ညာဘက်သို့ထောင်တက်သွားသည့်ပုံစံ ထင်ထင်ရှားရှားတွေ့နိုင်ပြီး r value 0.8, 0.4 ဖြစ်နေပါက ညာဘက်သို့ တက်နေသော်လည်း data point များ စုစည်းမှုမရှိဘဲ ပြန့်နေသည့်ကို တွေ့ရနိုင်ပါသည်။ -1 ဖြစ်ပါက ညာဘက်သို့ စိုက်ဆင်းသွားသည့် ပုံစံ ထင်ထင်ရှားရှား မြင်တွေ့နိုင်မည်ဖြစ်ပါသည်။ ထို့အတူ r value 0 ဖြစ်နေပါကလည်း အတက်အကျ ဖော်ပြခြင်းမရှိဘဲ အဘက်ဘက်သို့ပြန့်နေသည့် ပုံစံကို တွေ့ရမည်ဖြစ်ပါသည်။


Comments
Post a Comment