プログラミング論 相関 http://www.ns.kogakuin.ac.jp/~ct13140/Prog/

概要 相関 データ群とデータ群の関連性の強さを考える 話は理論的．難易度は低め． 理系として「相関係数」くらいは知っていて欲しい…

相関

相関 "相関"とは，二つのデータ列の， 関連性，連動性(一緒に動くか)のこと． 相関係数とは，二つのデータ列の相関の強さを表す統計値． 例：人間の身長と体重は関係がある． 身長が大きいと，体重が大きい(傾向にある). 相関係数とは，二つのデータ列の相関の強さを表す統計値． 相関係数は-1～1の間をとる． -1に近いと強い負の相関． 0に近いと相関が弱い． 1に近いと強い正の相関．

各人の身長と体重の分布 身長の値が大きい人ほど， 体重の値も大きい傾向にある． (身長と体重は連動して動く) 相関がある

相関の強さ 相関係数 相関の強さを 数値化した統計値が， 「身長」の値が大きいと， 「足の長さ」の値が大きい傾向にある． 「身長」と「足の長さ」には相関がある． しかも，右の方が「相関が強い」 相関の強さを 数値化した統計値が， 相関係数　　

「平均との偏差」同士の比較 正の相関 身長偏差＞0 体重偏差>0 の人たち 身長偏差<0 体重偏差>0 の人たち 身長偏差×体重偏差 ＝正の数×正の数 ＝正の数 身長偏差>0 体重偏差<0 の人たち 身長偏差<0 体重偏差<0 の人たち この分布の例では， 「偏差の積」は 正の数の例が多い． 全員の「偏差の積」を 合計したら，正となる． 正の相関 身長偏差×体重偏差 ＝負の数×負の数 ＝正の数

共分散 「偏差の積」の平均が「共分散」 身長偏差＞0 体重偏差>0 の人たち 身長偏差<0 体重偏差>0 の人たち 身長偏差>0 体重偏差<0 の人たち 身長偏差<0 体重偏差<0 の人たち

共分散が正：正の相関 xが増えると， yは増える傾向がある． 「偏差の積」は， 正であるものが多い． 「偏差の積」の平均は，正である． (偏差の積の平均=共分散)

共分散が負：負の相関 xが増えると， yは減る傾向がある． 「偏差の積」は， 負であるものが多い． 「偏差の積」の平均は，負である． (偏差の積の平均=共分散)

共分散がゼロ：無相関 xと yは， 連動して動かない． 「偏差の積」は， 正と負が同程度． 「偏差の積」の平均は，ゼロである． (偏差の積の平均=共分散)

共分散の大きさ と 相関の強さ 強い正の相関 弱い正の相関 無相関 共分散が正． 大きな正の値． 共分散は正だが， 大きな値ではない． ゼロ． 無相関

共分散 共分散の大小は，相関の強さを表す． ただし，元の値が大きいと，共分散の値は大きくなる．(共分散の絶対値を理解しづらい) 共分散が大きいほど，正の相関が強い． 共分散がゼロに近いと，相関が弱い． 共分散が小さいほど，負の相関が強い． xが増えたら，yは減る傾向にある． ただし，元の値が大きいと，共分散の値は大きくなる．(共分散の絶対値を理解しづらい) 同じデータでも， 身長[cm]と体重[g]の共分散の値は大きく， 身長[m]と体重[Kg]の共分散の値は小さい．

相関係数 共分散の値を標準偏差(データの散らばりの大きさ)の積で割った値が，相関係数． 相関係数は，-1から+1の値となる． -1.0 ～ -0.7 : 強い負の相関 -0.7 ～ -0.3 : ある程度(?)負の相関がある -0.3 ～ +0.3 : 相関は弱い． +0.3 ～ +0.7 : ある程度(?)正の相関がある +0.7 ～ +1.0 : 強い正の相関がある．

標準偏差 ただし，標準偏差とは以下のもの nは，データの個数 xの平均 xの分散 xの標準偏差

標準偏差とは 「平均50点の数学の試験で60点を取った」と「平均50点の英語の試験で60点を取った」は 同程度にすごいことなのか？

正規分布 と 標準偏差 正規分布なら， 「平均±標準偏差」 の範囲に約68%， 「平均±2×標準偏差」 の範囲に約95%の 人がいる． この例では，40点～60点の範囲に68%の人がいる．

相関係数 相関係数は，一次の相関の強さを 表現する． 右図のxとyは， 密接な関係があるように 見えるが， 相関係数は,ほぼゼロとなる． (相関係数=-0.016)

相関係数のプログラミング double x[100], y[100]; x[0] = 1.2; y[0] = 3.4; : と，x[0]～x[99] と y[0]～y[99]がある． x[i] と y[i] の相関係数を求めるには?

x[0]～x[99]の平均

x[0]～x[99]の平均 double x_sum, x_avr; int i; x_sum = 0.0; for(i=0; i<100; i++){ x_sum += x[i]; } x_avr = x_sum/100;

共分散 (1/2) x[i] の「平均に対する偏差」 ??? x[i]とy[i]の「偏差の積」

共分散 (1/2) x[i] の「平均に対する偏差」 x[i]-x_avr x[i]とy[i]の「偏差の積」 (x[i]-x_avr)*(y[i]-y_avr)

共分散 (2/2) x[] と y[] の共分散.

共分散 (2/2) x[] と y[] の共分散. double d_sum = 0.0, cov; for(i=0; i<100; i++){ d_sum += (x[i]-x_avr)*(y[i]-y_avr); } cov = d_sum/100; /* d_sum が偏差の積の合計， cov が共分散 */

標準偏差 x[]の標準偏差 /* x_dis がxの分散, x_st_devがxの標準偏差 */

標準偏差 x[]の標準偏差 double x_ds_sum=0.0,x_dis,x_st_dev; for(i=0; i<100; i++){ 　x_ds_sum += 　　(x[i]-x_avr)*(x[i]-x_avr); } x_dis = x_ds_sum/100; x_st_dev = sqrt(x_dis); /* x_dis がxの分散, x_st_devがxの標準偏差 */

x[]とy[]の相関係数 相関係数=共分散/(x標準偏差×y標準偏差)

x[]とy[]の相関係数 相関係数=共分散/(x標準偏差×y標準偏差) cov / x_st_dev / y_st_dev

実は 分子と分母の， 1/n は消せる．