Mérési adatok illesztése, korreláció, regresszió

Átírás

1 Mérési adatok illesztése, korreláció, regresszió

2 Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában, stb. mért különböző változó között? Ha csak arra vagyunk kíváncsiak, hogy ilyen kapcsolat fennáll-e, akkor korrelációt számítunk, ha arra is, hogy ha fennáll ilyen kapcsolat, akkor az egyik változó értékeiből hogyan lehet előre jelezni a másik változó értékeit, akkor regressziós, általában lineáris regressziós számítást végzünk. A kapcsolat szorosságát mérőszámmal jellemezzük: legelterjedtebb a korrelációs együttható, vagy Pearson-féle korrelációs együttható. Az együtthatót r-rel jelöljük, és a mérések közötti lineáris kapcsolat szorosságát méri.

3 Az alábbi táblázat alapján ábrázoljuk a matematika és a nyelvek iránti érdeklődést egy szóródási diagramon! A pontok közelítőleg egy egyenes mentén helyezkednek el. Ha ilyen a pontok elhelyezkedése, akkor azt mondjuk, hogy a változók között jó a korreláció.

4 A korrelációs együttható ( r) számítása Jelölje a két változóra vett mintát x i, y i Ekkor a korrelációs koefficiens a következő képlet szerint számítható ki: A korrelációs együttható tulajdonságai r mindig -11 és 1 között van. Ha a pontok nem fekszenek egy egyenes mentén, akkor azt mondjuk, hogy nincs korreláció közöttük (r=0),vagy gyenge korreláció van közöttük ( r közel van 0-hoz). 0 Ha a pontok egy egyenes mentén fekszenek, akkor r közel van +1-hez vagy -1-hez, ekkor azt mondjuk, hogy a két változó között szoros a korreláció.

5 A korrelációs koefficiens értéke független a mértékegységektől,, amelyekben a két változó meg van adva pl. testmagasság és testsúly közötti korreláció, mindegy, hogy milyen mértékegységben (kiló, font, cm, inch) vannak ezek megadva A korrelációs koefficiens értékét az outlier (kilógó) értékek igen erősen befolyásolják. Ezt minden esetben végig kell gondolni, az adatokat transzformálni, esetleg, ha ez korrekt korrigálni is lehet. A kilógó érték lehet egy szabálytalan, torzult eloszlás eredménye, ilyenkor segíthet a transzformáció, vagy lehet mérési hiba, ilyenkor lehet óvatosan korrigálni. Vigyázat! a 0,95-nél nagyobb r érték biológiai rendszerekben gyanús, elsősorban arra utal, hogy az egyik mért érték a másikból következik, ill. ez által determinált. Ezt az erősnek mért korrelációk esetén mindig meg kell gondolni.

6 A lineáris (Pearson( Pearson) ) korrelációs koefficiens kiszámíthatóságának feltételei I. A vizsgált egyének (állatok, minták, stb.) egy nagyobb populációból véletlenszerűen lettek kiválasztva. Minden vizsgált egyénnél megmérték mindkét (x és y) változót. A megfigyelések egymástól függetlenek. A vizsgált egyének kiválasztása egymást nem befolyásolja (nincs rokonsági kapcsolat). Nem tekinthetők független megfigyeléseknek, ha ugyanazt a vizsgálatot ugyanazokban az egyénekben megismételjük és ezeket különálló mintáknak tekintjük (a kettőt összevonjuk). Az x és y értékeknek is függetleneknek kell lenni egymástól.

7 A lineáris (Pearson) korrelációs koefficiens kiszámíthatóságának feltételei II. Ha az x változó szisztematikusan változik, pl. idő, koncentráció vagy dózis) akkor nem korrelációt, hanem lineáris regressziót kell számolni, bár ugyanazt az r és P értéket kapjuk, de a regresszióból több következtetés vonható le. Mind az x, mind az y mintáknak normál eloszlást mutató populációból kell származniuk. Ha ez nem áll fenn, akkor nem paraméteres eljárást (Spearman korrelációs koefficiens) kell végeznünk. Az x és az y végig egy irányban kell változzon. Pl. az r - nek semmi értelme akkor, ha az x növekedésével egy darabig nő az y, de a további növelés után csökkenni kezd. Sohasem szabad két populációból származó mintát kombinálni, mert ez ál-szignifikáns korrelációt fog mutatni, noha sem az egyik, sem a másik mintában külön-külön nincs kapcsolat a két változó között.

8 Lineáris regresszió Ha két változó kapcsolatának vizsgálatakor magas korrelációt kapunk, megpróbálhatjuk az összefüggést egy ideális egyenessel jellemezni - egy olyan egyenessel, amely a legjobban reprezentálja a lineáris kapcsolatot. Ekkor felírhatjuk az egyenes egyenletét, és ezt használhatjuk pl. arra, hogy megjósoljuk egy adott x értékhez az ideális y-t. A regresszió úgy mutatja meg két változó kapcsolatát, hogy egyben az egyik változó (függő változó) a másik változótól (független változó) való függésének mértékét is kifejezi. A lineáris regressziós számítás lényege az, hogy egy olyan vonalat húzunk, amely a mérési pontoktól a lehető legkisebb távolságban van, ezeket a legjobban megközelíti (best fit regression line). Matematikailag ez azt jelenti, hogy minden más vonal esetében a mérési pontok függőleges távolsága négyzeteinek összege nagyobb volna. -> Legkisebb négyzetek módszere

9 Mi történik, ha az x és az y közötti összefüggés nem lineáris? 1. Meg kell próbálni úgy transzformálni az értékeket, hogy lineárissá váljon az összefüggés. 2. Ha ez nem lehetséges, a nem-lineáris regresszióval kell dolgozni. A nem-lineáris regresszió lényege egy egyenlet illesztése az adatokhoz és annak a vizsgálata, hogy az adatok illeszkednek-e az egyenlet által meghatározott görbéhez (lineáris regesszió: ugyanez egyenessel). A számítógépes programokba számos egyenlet be van építve, de lehetőség van saját egyenlet készítésére is.

10 Az előző táblázat alapján készített, a matematika és a nyelvek iránti érdeklődés szóródási diagramján illesszünk egyenest a pontokhoz! Első lehetőség : trendvonal felvétele Jobb klikk az adatpontokra Trendvonal felvétele a menüből Egyebek fülön Egyenlet és R-négyzet látszik kiválasztása Matematika iránti érdeklődés y = x R 2 = Nyelv iránti érdeklődés

11 Másik lehetőség : LIN.ILL függvény használata Bal klikk egy üres cellára A menüből Beszúrás->Függvény->LIN.ILL (statisztikai) Argumentumok megadása-> Kész A cella és a mellette lévő cella együttes kijelölése F2 Crtl+Shift+Enter : az egyenes meredeksége és y-tengely metszéspontja

12 1., Határozzuk meg a két folyó vízállásának átlagát! Időpont (óra) Tisza (m) Duna (m) 1 5, ,4 7,4 3 6, ,6 5 6,3 8,6 6 7, ,8 9,4 8 8, ,5 10,6 10 9, , ,6 2., Ábrázoljuk a vízállást grafikonon! 3., Illesszünk egyenest a két függvényre! 4., Számoljuk ki, hogy mennyi lenne a vízállás értéke 24, 36 és 48 óra elteltével!

13 ,85 18,08 22,30 14,91 19,00 23,10

14 Teljesítmény (kg m/min) Perctérfogtat (l/min) Perctérfogat (liter/min) ,05 4,98 6,33 7,48 8,67 9,98 Perctérfogat 1., Ábrázoljuk a perctérfogatot a teljesítményfüggvényében! 2., Illesszünk rá egyenest! 3., Becsüljük meg a perctérfogatot 800 és 1100 kg m/min teljesítmény mellett! y = x R 2 = Együtthatókkal 0 vigyázni! Az x tengely beosztása nem 1, 2, 3, stb.!!! Ilyenkor LIN.ILL fgv-nyel kell Teljesítmény (kg m/min) meghatározni a paramétereket! m b

15 Az egyenes egyenletének megadásával határozzuk meg a becsült perctérfogat értékeket! Ábrázoljuk diagramon mindkét értéket! Perctérfogtat (l/min) Teljesítmény (kg m/min) Perctérfogat Teljesítmény (kg m/min) Perctérfogat (liter/min) Perctérfogat (liter/min) Becsült perctérfogat (liter/min) Becsült perctérfogat (liter/min)

16 Az egyenes pontjait a mérési tartományon túl is határozzuk meg! Ábrázoljuk diagramon mindkét értéket! Teljesítmény (kg m/min) Perctérfogat (l/min) Perctérfogat (liter/min) Becsült perctérfogat (liter/min) Teljesítmény 6.08 (kg m/min)

17 Ábrázoljuk Ázsia lakosságának növekedését! Illesszünk egyenest, illetve exponenciális görbét a mérési adatokra! y = x R 2 = y = e 0.233x R 2 = Ázsia 800 Lineáris (Ázsia) 600 Expon. (Ázsia)

18 Határozzuk meg az adatokhoz illeszthető egyenes paramétereit a LIN.ILL függvény használatával! Határozzuk meg az adatokhoz illeszthető exponenciális görbe paramétereit a LOG.ILL függvény használatával! Egyenes paraméterei: Exponenciális görbe paraméterei: m b m b y=3.29*x-5222 az egyenes egyenlete y=0.143*1.004 x az exponenciális görbe egyenlete Vigyázat! A LOG.ILL y=b*m x alakú függvényt illeszt!

19 Másik lehetőség: XY pontpárokként ábrázoljuk, ekkor helyes az x tengely skálázása, és helyes eredményt ad a trendvonal illesztése y = e x R 2 = Ázsia y = x R 2 = Határozzuk meg Ázsia várható népességét 2000-ben, ha lineáris, illetve ha exponenciális növekedést tételezünk fel! Használjuk a HATVÁNY(szám;kitevő) vagy a KITEVŐ(szám) függvényeket!

20 Két sejttípus növekedését vizsgálták. 1., Ábrázoljuk a szaporodást grafikonon! 2., Illesszünk exponenciális görbét a mérési pontokra! Eltelt idő (nap) sejttípus sejttípus y = 2.461e x R 2 = y = e x R 2 = sejttípus 2. sejttípus Expon. (2. sejttípus) Expon. (1. sejttípus)

21 A LOG.ILL függvény y=b*m x alakú függvényt illeszt. 1. sejttípus m b sejttípus

22 Tegyük fel, hogy az előbbi vizsgálatot nem naponként, hanem két naponként végezték. Eltelt idő (nap) sejttípus sejttípus y = 2.461e x R 2 = y = e x R 2 = sejttípus 2. sejttípus Expon. (1. sejttípus) Expon. (2. sejttípus) Ha diagramon 17 ábrázoljuk 152 és 149 az x értéktengelyt csak feliratozzuk, az illesztett 19 görbék 242 paraméterei 250 nem adnak helyes értéket!

23 1. lehetőség: xy pontpárokként ábrázolni az első adatsort, a másodikat hozzáadni. Ezután exponenciális trendvonal felvétele. S ejtek szám a y = e x R 2 = y = e x R 2 = sejttípus 2. sejttípus Expon. (1. sejttípus) Expon. (2. sejttípus) Eltelt idő (nap)

24 2. lehetőség: Diagramon ábrázoljuk, de az exponenciális görbe paramétereit a LOG.ILL függvénnyel határozzuk meg. m b 1.sejttípus sejttípus Határozzuk meg az egyes sejttípusokban a sejtek számát 25, 30, illetve 40 nap elteltével! Eltelt napok sejttípus sejttípus