Tipuri de relații matematice datorate variabilității: teorie, teste și aplicații

Inițiere » Fără categorie » Tipuri de relații matematice datorate variabilității: teorie, teste și aplicații

Capire che type of legam c'è tra due variabili Este una dintre ele care domină cel mai frecvent în aplicațiile statistice, date din date și teste experimentale și cantitativÎn sens invers, relația este liniară și face întotdeauna parte din cogliere, în timp ce în sens invers, relația este monotonă, dar neliniară, sau coinvolge categorie și non numeri, ancora depinde de o a treia variabilă care le combină: în totalitate, nu este o plimbare.

În acest ghid practic și teoretic în limba italiană, discutăm despre asta într-un mod organic. Principalul sfat al relațiilor matematice datorate variabilității, cum se diagnostichează vizual și cu un test formal, coeficienții calitativi utilizați (Pearson, Spearman, Kendall), cum se schimbă cu variabile variabile categorice (chi-quadro di indipendenza, test esatto di Fisher, V di Cramér, coeficient di contingenza, phi), cum a măsura acordul lucrul cu Kappa și cum să îl gestionezi variabile de confuzie procesează corelația parțială. În plus, vom îmbunătăți o fereastră sudică.algebra relațiilor (în sens insiemist și computațional), essenziale per formalizzare concetti come domain, composition, inversa and functions.

Ceea ce intenționăm pentru „relazione” datorită variabilității

În limbaj matematic, o relație între A și B este un rezumat al produsului cartezian A×B: ogni coppia ordinata (a, b) appartenente a R indică faptul că elementul a di A este „în relație” cu elementul b di B. In termini applicati, o relație deterministă (funcțională) oppure probabilistica (associazione stocastica): în primul caz ad ogni a corrisponde esattamente una b, în ​​secondo osserviamo una tendință (più sau mai puțin puternic) și non un legam uno-a-uno.

Toată „algebra internă a relațiilor” (în sens siemistic) este o proprietate interesantă. reflexivitate (ogni a è în raport cu sine), simetrie ((a, b) implică (b, a)), antisimetrie (dacă (a, b) și (b, a) atunci a = b) și tranzitivitate (din (a, b) și (b, c) rezultă (a, c)). Acest proprietar crucial: dacă o relație este simetrică, simetrică și tranzitivă devine una relație de echivalență che “partiziona” A in classi di elementi equivalenti. Dacă invece este riflessiv, antisimetric și tranzitiv, avem una relație de ordine.

În această analiză, vom pune această idee în practică: evaluăm tipul de variabilitate (continuare cantitativă, ordinali, nominali/dicotomiche) și acolo clasament în această statistică și scegliamo strumenti adeguati per misurare la relazione, știind că „relația” nu înseamnă întotdeauna „cauză-efect”.

Ispețiune vizuală: mâncați modelul și direcția recunoscute

Prima di buttarsi nei numeri, un diagramă de dispersie Este greutatea celui mai inteligent lucru. Un nor care se întinde pe o linie dreaptă sugerează... relație liniară (pozitiv sau negativ); structurați curba indicativă relații neliniare (ma magari monotone). Dacă nu respecți un model, relația liniară poate distruge consimțământul.

Cu variabilitate redusă, panourile de dispersie (și, de exemplu, în R cu perechi (dati)) și o linie care tinde să se netezească (geom_smooth în ggplot2), astfel încât să puteți observa asociații, cluster și outlier. Atenţie: valoare aberantă gli Podeno influenzare moltissimo i coeficienti, specie Pearson.

De exemplu, în R si può iniziare così: perechi (dati)

# Matrice di grafici a dispersione
pairs(dati)

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

O primă verificare vizuală, corectă la număr, Accesați alege il test giusto bazată pe formă, monotonie și liniaritate aparentă.

Verificați normalitatea sa: atunci când serviți davvero

Test parametric multiplu (exemplu al testului Pearson) Presupun, în grade diferite, normalitate Almeno este o structură simetrică fără cod complex. Pentru a controla ipoteza, o parte specifică a structurii grafice este inclusă. istograme cu densitate e QQ-plot.

În R, una baterie minimă ar putea include:

# 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)

Pentru a compara observațiile cantitative cu cele ale unui standard normal, QQ-plot este inînlocuibil:

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)

Ține-l la vedere, dacă nu-l pot folosi test formal de normalitate pe dovezi de acumulare: Kolmogorov–Smirnov cu estimări ale parametrilor, Lilliefors, Cramér–von Mises, Shapiro–Wilk, Shapiro–Francia, Anderson–Darling e il test di 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)

Dacă dorm normal și relația este liniară, coeficientul Pearson este un bun văr celtic; în caz contrar, este prudent să se prefere amestecarea bazate sui ranghi cu Spearman sau Kendall.

Relația dintre variabilitatea cantitativă: covarianță și corelație

La covarianta Problema este covarianța depinde de unitatea de măsură, și atunci e puțin comparabil.

La Corelația liniară Pearson Rezolvați problema standardizând pe abatere standard: coeficientul r variază între -1 și 1, dând o valoare de ±1 indicată. relație liniară puternică (pozitiv sau negativ) și 0 sugerează assenza di linearità. Vă rugăm să rețineți: r = 0 nu exclude relațiile neliniare.

Calculi pe corelații în R:

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

Când este relația monotonă dar neliniară sau când nu dorm normal (sau nu conțin anomalia), are sens să folosesc Spearman (ranghi; robust si adaptat la medio-grandi campioni) Kendall τ (basato su concordanze/discordanze; preferibile su mici campioni (sau cu multe 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")

O idee utilă: coeficientul de determinare R² di un model liniar simplu restabilește cota variabilă a lui Y spiegata liniar din X. În R:

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

Dihotomie per variabili vs. cantitativă, coeficientul punct-biserial coincide cu calculul Pearson cu o variabilă codificată 0/1; în practică, culoare (dihotomică, cantitativă) metoda con = „pearson”.

Categorii variabile: independență, puterea asociației și piccoli campioni

Când apare variabilitatea somnului nominali sau ordinali, relația cu care studiezi tabele de contingență (frecvent cu clasificare doppia). Ipoteza tipică este: H0 = indipendenza (asociere necesară), control H1 = dipendenza.

Testul de referință este acesta chi-quadru de independențăSe pare că sunt așa. frecvențe foarte joase (de obicei < 5), dacă îl utilizați Corecția lui Yates per 2×2 sau dacă trece la testul eseului lui Fisher, indicat în special cu 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 quantcare l'intensità dell'associazione în tabelul I×J se utilizează: V. di Cramér (0-1), coeficient de contingență (0–1, limitare) și în 2×2 il phi (φ), care este în mod oficial un 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

Dacă intersecția se confruntă variabilitatea sa cantitativă (es. reddito per professione), if valutano testul t, ANOVA e le respective alternative non parametriche, no intervalli di confidenza. In general, coerența în tipul de variabilitate și metodă este critic.

Accordo tra valutatori: Kappa di Cohen

Când due (sau più) giudici clasifică no gli stessi oggetti în categorie, nu este suficient să amestecați procentul de acord, perché a quota può essere dovuta al caz. Kappa di Cohen cuantifică acordul corect pentru acordul întâmplător: am evaluat în continuare până la 0, indicând acordul pentru fiecare caz, am evaluat mai mult sugerează-mi acord în creștere (interpretazioni comuni: scarso, discret, moderato, buono, molto buono).

In R è possibile stimare Kappa anche in versiune ponderată (pe categorii obișnuite):

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)

Dacă categoria nu este o ordine naturală (ad empio, lieve/moderata/severa), Kappa ponderato penalizza minor in disacord „vicini” și più quelli „lontani”, rezultând un spesso più informative.

Relazioni e variabili di confusione: la correlazione parziale

Può capitare che due variabili X e Y sembrino molto corelate, but in realtà la force dell'associazione sia dovuta a una variabilă de condens Z corelat cu entrabe. În cauză, dacă dai clic pe el corelație parțială controlând X și Y per Z.

În R, cu ggm::pcor si ottiene la corelația parziale di primo ordine e si poate testa la semnificație. Este util de comparat clasic r e r parțial per capita ca 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)

Dacă cota spiegata „crollas” dopo il controllo, acum Z a fost un confederat importantCând variabila de control este categoria (de exemplu, profesia), nu pot utiliza abordări sau modele similare care includ categoria ca factor.

Limite și bune practici în utilizarea corelației

Amestecul coeficientului Pearson doar liniaritateaDacă relația este neliniară (p₂, sponențială, logaritmică), poate duce la 0 pur în prezența unei dependențe puternice. În aceste cazuri, evaluați. Spearman, transformându-l într-un model neliniar.

Gli anormal Nu pot distorsiona rezultatul. Din acest motiv, în primul rând, este convenabil să verific graficul și, dacă este necesar, să efectuez o analiză robustă sau să verific simultan sensibilitatea rezultatelor.

Un alt clasic: corelație ≠ cauzalitate. Din cauza variabilității, nu pot corela deoarece somnul influențează un al treilea fattore, pur și simplu coincidență sau prin efectul unui mecanism invers. Servono disegni sperimentali, strumenti cauzali sau modele adecvate pentru vorbire de cauza-efecte.

Tipul relației: liniară, monotonă, nulă, categorială

Nei casi misti (quantitative vs dichotomica/nominale/ordinata) se passes a test di confrontation between gruppi, correlazioni biseriali/point-biserial oa modele (exemplu de regresie cu factori preziși). Cu variabilitate intrare în categorii, ci si affida a chi-quadro/Fisher e alle misure di force dell'associazione già viste.

Funcțiile mănâncă relații speciale

o funcție Este o relație care, prin intermediul unui element al domeniului, asociază exact un element al condominiului. În concluzie, este o subponderală a lui A×B care compară fiecare componentă A cu o singură voltă. Alte operații importante în algebra legată de somn: Uniune (R1 ∪ R2), intersecţie (R1 ∩ R2), compoziție (R2 ∘ R1) și inversa (R^{-1}, che scambia ciascuna coppia (a, b) in (b, a)).

acestea mattoni conceptuali întoarcere utilă în matematică pură (equivalenze, ordini, classi di equivalenza) sia în aplicații concrete dove serves formalize relations fra entità.

Algebra relațiilor și știința pe care am dat-o

În lumea bazelor de date,algebră relațională Aceasta este structura teoretică a SQL: cum să opereze select, proiezione, join, unione and intersezione sono versioni pratiche di operazioni su relații-insiemi. Această formalizare este o armă puternică pentru descrierea, optimizarea și manipularea rapidă a lucrurilor.

În inteligenta artificiala și învățarea automată, capacitatea de modelare a relațiilor pentru a permite construirea de grafuri de conștientizare, sisteme de recomandare și conducte de integrare; Această valoare este valabilă în economie, biostatistică și științe sociale, este aproape întotdeauna „chi este legato a chi, iar în modul che".

Exemple clasice de relații în teoria insiemi

Relații de echivalență: adormiți rifuzivi, simetrici și tranzitivi. Exemple precum „are această valoare ca soluție” sunt într-adevăr reale sau există congruență modulo n Am sugerat intern. Relația Ogni de echivalență induce clasă de echivalență che ripartiscono l'insieme in blocchi disgiunti.

Relații cuOrdin: reflexive, antisimmetriche și tranzitive. Esempi: ≤ sui numeri naturali, l'inclusione ⊆ sull'insieme delle parti P(X), o „divide” (|) sui naturali. Somnul fundamental prin definiție sume totale sau parțiale obișnuite și pe regiune sunt massimi, minimi, catene și antilanțuri.

comandă lesicografic: asta am spus și eu. Este o ordine într-o secvență (șir de caractere, număr scris în secvență) care compară element cu element; Există un zgomot important în această structură și neglijez algoritmii.

Această secțiune este utilă pentru a înțelege că „relazione” în matematică este un concept più ampio della sole correlazione: include uguaglianze, ordini, compoziție și multe altele, toate indispensabile pentru modelare sistem complessi.

Flux de lucru practic: controlează-l și obține rezultate

Un posibil fluxul de lucru ca să nu-l pierzi dacă instrumentezi și unde:

• Inspecție grafică: grafic de dispersie, netezire, istogrammi, QQ-plot. Occhio a outlier e forma non lineari.
• Verifica: dacă funcționează, testați normalitatea; Control al omoscedasticității dacă se prevede un model liniar.
• Selecția coeficientului: Pearson (lineare, dati circa normali), Spearman/Kendall (monotona/non normale/piccoli campioni).
• Categoric: chi-quadro/Fisher + misure d'associazione (V di Cramér, coeff. di contingenza, φ). Pentru comparație de grup, test t/ANOVA sau alternativă.
• Confundenti: corelați modelul parziale sau multivariat (inclusiv categoria fattori).

Oricine are alegerea, interpretări în context Este cheia: grandezza dell'effetto, significant statistica, ampiezza del campione e qualità dei data contano as (if not more) del numero finale.

Exemple de cod R recurente

Reasumând unele numit utili ceea ce face ca analiza relației dintre variabile să fie mai precisă și care poate fi adaptată setului de date:

# 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))

Notă practicăMerită validarea ipotezei, compararea metodei și, atunci când aceasta funcționează, construirea unui scenariu mic pentru diagnosticarea rapidă a problemei într-un mod fiabil.

Am văzut că „relazione” poate însemna de cele mai multe ori: forma liniară cu Pearson, monotonia cu Spearman/Kendall, subțire all'association în cadrul categoriei cu chi-quadro/Fisher și misure cu V di Cramér și φ; senza dimenticare acordul dintre giudici (Kappa) și conducere am dat confondenti cu corelația parziale. Prin urmare, algebra relațională oferă i mattoni concettuali per definee dominio, inversa e composizione, în timp ce algebra relațională ghidează modul în care arhivez și interroghiamo i dati neii baza de date. Ideea cheie este de a alege instrumentul în baza unui tip de variabil, alla forma del legământ și al obiectivelor dell'analisi, ricordandoci che nessun coefficient, da solo, può raccontare tutta la storia.