Typer av matematiske sammenhenger på grunn av variasjon: teori, test og anvendelser

Innvielse » Uncategorized » Typer av matematiske sammenhenger på grunn av variasjon: teori, test og anvendelser

Capire che type legam c'è tra due variabili Det er en av dem som dominerer hyppigst i statistiske applikasjoner, data fra dataene og eksperimentelle tester og kvantitativDen andre veien rundt forholdet er lineært og alltid en del av cogliere, en annen vei tilbake er monotont, men ikke-lineær, oppre coinvolge-kategorien og non numeri, ankeret avhenger av en tredje variabel som forener det aktuelle forholdet: insomma, non è una passeggiata.

I denne praktiske og teoretiske guiden på italiensk diskuterer vi det på en organisk måte Hovedtipset for matematiske sammenhenger på grunn av variasjon, hvordan visuelt diagnostisere og med formell test, kvalitative koeffisienter brukt (Pearson, Spearman, Kendall), hvordan endre med variabili kategoriske (chi-quadro di indipendenza, test esatto di Fisher, V di Cramér, coefficiente di contingenza, phi), hvordan feilsøke arbeid med Kappa, og hvordan håndtere det variabiler av uforståelighet behandle parziale-korrelasjonen. Inoltre, vi skal forbedre en sørlig finestraalgebra av relasjoner (i insiemistisk og beregningsmessig forstand), essenziale per formalizzare concetti kommer domene, komposisjon, inversa og funzioni.

Det vi har til hensikt å «relasjon» på grunn av variasjon

I matematisk språk er en sammenheng mellom A og B et sammendrag av det kartesiske produktet A×B: ogni coppia ordinata (a, b) appartenente a R indikerer at elementet a di A er "i relasjon" med elementet b di B. In termini applicati, et deterministisk (funksjonelt) forhold oppure probabilistica (associazione stochastica): i det første tilfellet ad ogni a corresponde esattamente una b, i secondo osserviamo una trend (più eller mindre sterk) og ikke un legam uno-a-uno.

All «intern algebra av relasjoner» (i siemistisk forstand) er interessant proprietà come rifleløshet (ogni a è i forhold til seg selv), symmetri ((a, b) impliserer (b, a)), antisymmetri (hvis (a, b) og (b, a) allora a = b) og transitivit (fra (a, b) og (b, c) følger (a, c)). Denne viktige eiendomseieren: hvis et forhold er symmetrisk, symmetrisk og transitivt diventa una ekvivalensforhold che "partiziona" A in classi di elementi equivalenti. Hvis invece er riflessive, antisymmetriske og transitive, abbiamo una ordensforhold.

I denne analysen omsetter vi denne ideen til praksis: vi evaluerer typen variasjon (kvantitativ fortsette, ordinali, nominali/dicotomiche) og der rangering i denne statistikken og scegliamo strumenti adeguati per misurare la relazione, vel vitende om at "relazione" ikke alltid betyr "årsak-virkning".

Visuell ispezione: spise riconoscere mønster og retning

Prima di buttarsi nei numeri, un spredningsplott Det er vekten av den mest intelligente tingen. En sky helt nedover en rett linje antyder en lineært forhold (positiv eller negativ); strukturer den indikative kurven ikke-lineære forhold (monotone magari). Hvis du ikke innfører et mønster, kan det lineære forholdet ødelegge samtykket.

Med liten variasjon, jeg bruker spredningsplott (og for eksempel i R med par (data)) og linje som har en tendens til å bli smooth (geom_smooth i ggplot2) slik at du kan legge merke til assosiasjoner, klynge og outlierOppmerksomhet: gli-avviker Podeno influensare moltissimo and coefficienti, specie Pearson.

For eksempel i R si può iniziare così: par (data)

# Matrice di grafici a dispersione
pairs(dati)

# Correlazioni grezze (matrice)
cor(dati, use = "pairwise.complete.obs")

En første visuell screening, korrekt på tallet, Gå til scegliere il test giusto basert på form, monotoni og tilsynelatende linearitet.

Sjekk normaliteten: når du serverer davvero

Molti test parametrici (et eksempel på Pearson-testen) Jeg antar, i varierende grad, normalitet Almeno er en symmetrisk struktur uten tung kode. For å kontrollere ipotesi kommer en spesifikk del av den grafiske strukturen. istogrammer med tetthet e QQ-plott.

I R, en minimum batteri må inkludere:

# Istogrammi con densità e curva normale sovrapposta
par(mfrow = c(2, 2))
plot_hist <- function(x) {
  hist(x, prob = TRUE)
  lines(density(x), col = "red")
  curve(dnorm(x, mean(x), sd(x)), add = TRUE, col = "blue")
}
plot_hist(dati$GASTEDU)
plot_hist(dati$GASAUDE)
plot_hist(dati$GASLAZER)
plot_hist(dati$IDADE)

For å sammenligne de kvantitative observasjonene med en normal standard, QQ-plott er uimotståelig:

par(mfrow = c(2, 2))
qqfun <- function(x) {
  qqnorm(x, main = "", xlab = "Quantili teorici N(0,1)", pch = 20)
  qqline(x, col = "red", lty = 1)
}
qqfun(dati$IDADE)
qqfun(dati$GASAUDE)
qqfun(dati$GASLAZER)
qqfun(dati$GASTEDU)

Hold den i sikte, hvis jeg ikke kan bruke den formell normalitetstest per akkumuleringsbevis: Kolmogorov–Smirnov med parameterestimater, Lilliefors, Cramér–von Mises, Shapiro–Wilk, Shapiro–Francia, Anderson–Darling og testen av Pearson (chi-quadro) di normalità.

normalita <- function(x) {
  t1 <- ks.test(x, "pnorm", mean(x), sd(x))            # Kolmogorov–Smirnov
  t2 <- nortest::lillie.test(x)                         # Lilliefors
  t3 <- nortest::cvm.test(x)                            # Cramér–von Mises
  t4 <- shapiro.test(x)                                 # Shapiro–Wilk
  t5 <- nortest::sf.test(x)                             # Shapiro–Francia
  t6 <- nortest::ad.test(x)                             # Anderson–Darling
  t7 <- PearsonDS::pearson.test(x)                      # Pearson chi-quadro di normalità
  pv <- c(t1$p.value, t2$p.value, t3$p.value, t4$p.value, t5$p.value, t6$p.value, t7$p.value)
  data.frame(p_value = pv, row.names = c(t1$method, t2$method, t3$method, t4$method, t5$method, t6$method, t7$method))
}
normalita(dati$GASAUDE)

Hvis jeg sover rundt normalt og forholdet er lineært, Pearson-koeffisienten er en god keltisk slektning; ellers er det klokt å foretrekke å blande basate sui ranghi med Spearman eller Kendall.

Forholdet mellom kvantitativ variasjon: kovarians og korrelasjon

La kovarians Problemet er kovariansen avhengig av måleenheten, hvem er litt sammenlignbar.

La Pearson lineær korrelasjon Løs problemet ved å standardisere per standardavvik: koeffisienten r varierer mellom -1 og 1, noe som gir en verdi på ±1 som er angitt. lineær relasjonsstyrke (positiv eller negativ) og 0 antyder assenza di linearità. Vennligst merk: r = 0 utelukker ikke ikke-lineære sammenhenger.

Kalkulatorer per korrelasjon i R:

# Coefficiente di Pearson e test di significatività
cor(dati$GASTEDU, dati$GASAUDE, method = "pearson")
cor.test(dati$GASTEDU, dati$GASAUDE, method = "pearson")

Når forholdet er monoton, ikke-lineær eller når jeg ikke sover normalt (eller inneholder avvikeren), er det fornuftig å bruke Spearman (ranghi; robust og tilpasset medio-grandi campioni) Kendall t (basato su concordanze/discordanze; preferibile su små mestere (eller med mange pareggi):

# Correlazioni non parametriche
cor.test(dati$GASTEDU, dati$GASAUDE, method = "spearman")

# Su un sottoinsieme più piccolo, meglio Kendall
dati2 <- head(dati, 20)
cor.test(dati2$IDADE, dati2$GASAUDE, method = "kendall")

Ikke nyttig: bestemmelseskoeffisienten R² di un enkel lineær modell gjenoppretter den variable andelen av Y spiegata lineært fra X. I R:

summary(lm(GASAUDE ~ ESTCIVIL, data = dati))$r.squared

Per variabili-dikotomi vs. kvantitativ, koeffisienten punkt-biseriell sammenfaller med Pearson-beregningen med en kodet variabel 0/1; i praksis, farge (dikotom, kvantitativ) con-metoden = «pearson».

Variable kategorier: indipendenza, assosiasjonsstyrke og piccoli campioni

Når søvnvariabilitet kommer inn nominaler eller ordinaler, forholdet mellom studier kontingentbord (ofte med doppia-klassifisering). Den typiske ipotesi er: H0 = indipendenza (nødvendig assosiasjon), kontroll H1 = dipendenza.

Referansetesten er den firemannsfamilien av uavhengighetSe ci sono frekvens attese troppo basse (vanligvis < 5), hvis du bruker den Yates' korreksjon per 2×2 eller hvis du passerer Fisher-test, spesielt indikert med campioni piccoli.

# Tabella incrociata e chi-quadro
xtabs(~ PROFI + ESTCIVIL, data = dati) -> tab1
chisq.test(dati$PROFI, dati$ESTCIVIL)  # p-value non significativo => indipendenza plausibile

# Campioni piccoli: test di Fisher
chisq.test(dati$PROFI, dati$RENDA)
fisher.test(dati2$PROFI, dati2$RENDA)

Per kvantitet l'intensità dell'associazione i tabell I×J hvis du bruker: V di Cramér (0-1), koeffisient av kontingent (0–1, begrensning), og i 2×2 il phi (φ), som formelt er en Pearson applicato alla tabella binaria.

# Misure di associazione per tabelle
library(vcd)
xtabs(~ PROFI + RENDA, data = dati) -> tab2
assocstats(tab2)  # riporta V di Cramér, coeff. di contingenza e test

# Attenzione: cor() su codifiche numeriche di categorie non è equivalente a φ in generale

Se l'interesse è confrontor gruppens kvantitative variasjon (es. reddito per professione), if valutano t-test, ANOVA e le rispettive alternative non parametriche, no intervalli di confidenza. Generelt sett sammenheng i type variasjon og metode er kritisk.

Accordo tra valutatori: Kappa di Cohen

Når due (eller più) giudici klassifiserer no gli stessi oggetti i kategori, er det ikke nok å blande prosentandelen av enighet, perché a quota può essere dovuta al saken. Den Kappa di Cohen kvantifiserer den korrekte samsvaret for den tilfeldige samsvaret: Jeg verdsatte videre til 0 som indikerer samsvaret for hvert tilfelle, jeg verdsatte maggiori suggeriscono voksende enighet (interpretazioni comuni: scarso, diskret, moderato, buono, molto buono).

I R è possibile stimare Kappa anche in versjon ponderata (per ordinær kategori):

set.seed(1)
val1 <- sample(0:1, 10, replace = TRUE)
val2 <- sample(0:1, 10, replace = TRUE)

# Kappa non ponderato
fmsb::Kappa.test(val1, val2)

Hvis kategorien ikke er en naturlig orden (ad empio, lieve/moderata/severa), Kappa ponderato penalizza minor i uenighet “vicini” og più quelli “lontani”, noe som resulterer i en spesso più informativ.

Relazioni e variabili di confusione: la correlazione parziale

Può capitare che due variabili X e Y sembrino molto korrelerer, men i realtà la styrke dell'associazione sia dovuta a una Z-forvirringsvariabelen korrelert med entrabe. Det er snakk om det, hvis du klikker på det delvis korrelasjon tra X og Y som kontrollerer per Z.

I R, med ggm::pcor si ottiene la correlazione parziale di primo ordine e si può testne la significatività. Det er nyttig å sammenligne klassisk r e r parziale per capire som Z "spiega" del legam grezzo.

library(ggm)
# Correlazione parziale tra GASLAZER e GASAUDE controllando GASTEDU
rp <- pcor(c("GASLAZER", "GASAUDE", "GASTEDU"), var(dati))

# Correlazione grezza
r  <- cor(dati$GASLAZER, dati$GASAUDE)

# Test della correlazione parziale (1 variabile di controllo)
pcor.test(rp, 1, length(dati$GASAUDE))

# Confronto R^2 grezzo vs parziale
data.frame("Senza_controllo" = r^2, "Con_controllo" = rp^2)

Hvis spiegata-kvoten "crollas" dopo il controllo, nå Z var en viktig konføderertNår kontrollvariabelen er kategori (f.eks. professione), kan jeg ikke bruke lignende tilnærminger eller modeller som inkluderer kategorien som en faktor.

Grense og god praksis ved bruk av korrelasjonen

Pearson-koeffisientblandingen bare linearitetenHvis forholdet er ikke-lineært (kvadratisk, spontant, logaritmisk), kan det resultere i 0 pur i nærvær av en sterk avhengighet. I så fall, verdsette Spearman, og transformerer den til en ikke-lineær modell.

Den uteligger Jeg kan ikke forvrenge resultatet. Derfor er det først og fremst praktisk å sjekke grafen og, om nødvendig, utføre en robust analyse eller sjekke resultatenes følsomhet samtidig.

En annen klassiker: korrelasjon ≠ kausalitet. På grunn av variasjon kan jeg ikke korrelere perché søvninfluensat gir en tredje fettsyre, bare tilfeldigheter eller per effekt av en omvendt mekanisme. Servono disegni sperimentali, strumenti causali o modelli appropriati per parlare di causa-effetto.

Type forhold: lineær, monoton, null, kategorisk

Nei casi misti (kvantitativ vs dichotomica/nominale/ordinata) passerer en test av konfrontasjon mellom gruppi, correlazioni biseriali/point-biserial oa modeller (eksempel på regresjon med predikerte faktorer). Med variabilitet kategorisere, ci si affida a chi-quadro/Fisher e alle misure di strength dell'associazione già viste.

Funzioni spiser spesielle forhold

en funksjon Det er et forhold som, per ett element i domenet, assosierer akkurat et element av sameiet. Avslutningsvis er det en sottoinsieme di A×B-fortelling som ogni a i A sammenligner en sole volta med den første komponenten. Andre viktige operasjoner i søvnrelatert algebra: Union (R1 ∪ R2), kryss (R1 ∩ R2), composizione (R2 ∘ R1) og omvendt (R^{-1}, che scambia ciascuna coppia (a, b) i (b, a)).

disse Mattoni Concettuali tornano utili sia nella ren matematikk (equivalenze, ordini, classi di equivalenza) sia in applicazioni konkrete due tjener formalizzare relasjoner fra entità.

Algebra av relasjoner og vitenskap jeg ga

I databaseverdenenrelasjonsalgebra Dette er den teoretiske strukturen til SQL: hvordan den fungerer select, proiezione, join, unione og intersezione sono versioni pratiche di operazioni su relazioni-insiemi. Denne formaliseringen er et kraftig våpen for å beskrive, optimalisere og manipulere ting raskt.

Innenfor kunstig intelligens og maskinlæring, kapasiteten til å modellere relasjoner for å muliggjøre konstruksjon av konoscensgrafer, systemer for regnestykker og integrasjonsrørledninger; Denne verdien er gyldig innen økonomi, biostatistikk og samfunnsvitenskap, den er nesten alltid «chi er legato a chi, og i che-modus".

Klassiske eksempler på relasjoner i teorien om insiemi

Relasjoner ekvivalens: søvn rifleløs, symmetrisk og transitiv. Eksempler som «ha denne verdien som en løsning» er virkelig reelle eller der kongruensmodulo n Jeg foreslo internt. Ogni-forholdet mellom ekvivalens induserer ekvivalensklasse che ripartiscono l'insieme in blocchi disgiunti.

Relasjonerordinere: riflessive, antisimmetriche og transitive. Esempi: ≤ sui numeri naturali, l'inclusione ⊆ sull'insieme delle parti P(X), o «dele» (|) sui naturali. Fondamental søvn per definisjon totale ordinasjoner eller parziali og per region er dens massimi, minimi, katen og antikjeder.

for lesiskografiskDet var det jeg sa. Det er en rekkefølge i en sekvens (streng, tall skrevet i rekkefølge) som sammenligner element for element. Det er en viktig støy i denne strukturen, og jeg forsømmer algoritmer.

Denne delen er nyttig for å forstå at «relazione» i matematikk er et konsept più ampio della sole correlazione: inkluderer uguaglianze, ordini, komposisjon og mye mer, alt uunnværlig for modellare system complessi.

Praktisk arbeidsflyt: kontroller resultatene

En mulig flusso di lavoro så du ikke mister det hvis du instrumenterer og hvor:

• Grafisk inspeksjon: spredningsplott, utjevning, istogrammi, QQ-plott. Occhio a outlier e forma non lineær.
• Sjekker: hvis det fungerer, test normaliteten; Kontroll av omoscedastità hvis en lineær modell er forutsett.
• Koeffisientens verdi: Pearson (lineare, dati circa normali), Spearman/Kendall (monotona/non normale/piccoli campioni).
• Kategorisk: chi-quadro/Fisher + misure d'associazione (V di Cramér, coeff. di contingenza, φ). For gruppesammenligning, t-test/ANOVA eller alternativ.
• Forvirrende: korreler parziale eller multivariat modell (inkludert kategori fattori).

Hva er det som skiller seg ut, tolke i konteksten Det er chiave: grandezza dell'effetto, significative statistica, ampiezza del campione e qualità dei dati contano como (hvis ikke più) del numero finale.

Eksempler på R-kode

Riassumendo alcune chiamat utili noe som gjør det mer nøyaktig å analysere forholdet mellom variabler, og som kan tilpasses datasettet ditt:

# 1) Correlazioni
cor(x, y, method = "pearson")
cor.test(x, y, method = "spearman")
cor.test(x_small, y_small, method = "kendall")

# 2) Grafici (base e ggplot2)
plot(x, y)
# ggplot2: geom_point() + geom_smooth(method = "lm" o se = FALSE)

# 3) Normalità
shapiro.test(x)
nortest::ad.test(x)

# 4) Tabelle e test
xtabs(~ a + b, data = dati) -> tab
chisq.test(tab)
fisher.test(tab)  # campioni piccoli o celle con attesi < 5
vcd::assocstats(tab)  # V di Cramér e coeff. di contingenza

# 5) Kappa
afmsb::Kappa.test(giudice1, giudice2)

# 6) Correlazione parziale
ggm::pcor(c("x", "y", "z"), var(dati))

Praktisk merknad: hypotesen «giuste» antas å være avhengig av data. Det er verdt å validere hypotesen, sammenligne metoden og, når den fungerer, konstruere et piccolo-skript for å diagnostisere spørsmålet raskt og pålitelig.

Abbiamo så at "relazione" kan bety oftere enn ikke: den lineære formen med Pearson, monotonien med Spearman/Kendall, tynn all'assosiasjon innenfor kategorien med chi-quadro/Fisher og misure med V di Cramér og φ; senza dimenticare avtalen mellom giudici (Kappa) og ledelsen jeg ga confondenti med parziale-korrelasjonen. Derfor styrer den relasjonsalgebra fornisce i mattoni concettuali per definee dominio, inversa e composizione, mentre den relasjonsalgebra modusen jeg arkiverer og interroghiamo i dati nei databasen. Chiave-ideen er scegliere lo strumento i base al type di variabili, alla forma del legam e agli obiettivi dell'analisi, ricordandoci che nessun koeffisient, da solo, può raccontare tutta la storia.