В каком случае использование коэффициента Пирсона r для измерения связи наиболее уместно?
AКогда хотя бы одна переменная категориальная и принимает несколько разных дискретных значений
BКогда связь между переменными точно U-образная и вы хотите количественно оценить нелинейность
CКогда нужно посчитать число событий за фиксированный интервал времени и сравнить интенсивность
DКогда две числовые переменные имеют примерно линейную связь и вы проверили влияние выбросов
Правильный ответ. Коэффициент Пирсона
r лучше всего работает для линейной связи между числовыми переменными.Разбор
Коэффициент Пирсона r измеряет линейную ассоциацию и чувствителен к выбросам. Поэтому обычно смотрят график и проверяют, что данные не состоят из категорий, закодированных числами. Для нелинейных зависимостей нулевая корреляция не означает отсутствие связи — например, при U-образной форме r может быть около нуля при сильной зависимости. Поэтому выбор меры связи зависит от постановки задачи и формы данных.
Проверь себя · 1/3разбор после ответа
Вы построили линейную регрессию
churn = a + b*notifications и получили b > 0. Менеджер говорит: уведомления увеличивают отток, выключаем. Какое уточнение по допущениям самое важное перед причинным выводом?Ещё вопросы по теме «Корреляция и регрессия»
- В отчёте нашли положительную корреляцию между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
- В данных по товарам коэффициент корреляции Пирсона между ценой и конверсией равен -0.7. Как это интерпретировать?
- У вас 100 наблюдений, где почти нет связи между `x` и `y`, но есть одна точка с очень большим `x` и `y`. После добавления этой точки `Pearson r` стал 0.8. Что это чаще всего означает?
- Конверсия растёт со скидкой до порога, а затем почти не меняется. При этом `Pearson r` между скидкой и конверсией близок к 0. Какой вывод корректен?
- Вы видите положительную корреляцию между продажами мороженого и количеством утоплений по дням. Это типичный пример ложной связи. Что наиболее вероятно объясняет наблюдение?
- Все вопросы по «Корреляция и регрессия» →