Otto coppie di dati relativi a due variabili casuali X e Y danno luogo al grafico a fianco. Stima il coefficiente di correlazione tra X e Y. | ||
Possiamo stimare così le coppie di dati: X 30,150,110, 60,150,370,280,330 Y 5, 8, 10, 12, 12, 12, 15, 20 Affrontiamo l'esercizio con degli script, poi vedremo come farlo con R. |
Affrontiamo l'esercizio con degli script, poi vedremo come farlo con R. L'immagine a sinistra è stata ottenuta con questo script,
avendo calcolato la retta di regressione y = 0.0252*x+7.92 (vedi sotto, grafico blu) con questo altro script. Quello che era richiesto è il coefficiente di correlazione: è 0.70837 , valore che arrotondo a 0.71. Abbiamo tracciato anche l'altra retta di regressione. Le due rette di regressione si incontrano nel baricentro, |
Per altri commenti: Correlazione tra variabili casuali neGli Oggetti Matematici.
Grafici e calcoli con R:
BF=3; HF=3 x = c(30,150,110, 60,150,370,280,330) y = c( 5, 8, 10, 12, 12, 12, 15, 20) Plane(0,400, 0,20); POINT(x,y, "brown") cor(x,y) # 0.7083728 che arrotondo a 0.71 ## ## Posso anche ottenere le due rette di regressione e il ## baricentroregression1(x,y) # 0.02518 * x + 7.092 regression1(y,x) # 19.93 * x + -49.17 (x ↔ y) F = function(x,y) y-(0.02518 * x + 7.092) G = function(y,x) y-(19.93 * x + -49.17) CUR(F,"blue"); CUR(G,"seagreen") POINT(mean(x),mean(y), "red")