Коэффициент линейной корреляции Пирсона | Вероятность и статистика 11 класс

На этой странице собраны подробные, доступные и систематизированные учебные материалы по теме «Коэффициент линейной корреляции» для учащихся 11 класса в рамках углублённого курса «Вероятность и статистика». Эксперты и методисты платформы Экзамео разработали этот практический справочник, чтобы помочь выпускникам освоить количественную оценку тесноты линейной связи между случайными величинами, научиться правильно интерпретировать корреляцию в реальных жизненных задачах и успешно подготовиться к контрольным работам и ЕГЭ по математике.

В окружающем нас мире величины постоянно связаны между собой: расходы на рекламу влияют на продажи, количество осадков — на урожай, а интенсивность физических тренировок — на пульс. Чтобы объективно измерить, насколько сильна эта связь и имеет ли она строгий линейный характер, в математике и анализе данных используют коэффициент линейной корреляции (коэффициент Пирсона).

Что такое коэффициент линейной корреляции? — 11 класс

Коэффициент линейной корреляции Пирсона ( $r_{xy}$ ) — это безразмерный статистический показатель, который измеряет направление и тесноту линейной связи между двумя случайными величинами $X$ и $Y$ .

• Связь с ковариацией: Коэффициент корреляции получается путём нормировки ковариации на произведение среднеквадратичных отклонений величин:

1. Ключевые свойства коэффициента корреляции

Коэффициент корреляции обладает рядом математических свойств, делающих его идеальным инструментом аналитики:

Свойство

Математический смысл

Ограниченность значения

Значение $r_{xy}$ строго лежит в отрезке от $-1$ до $1$ :

$-1 \le r_{xy} \le 1$ .

Безразмерность (Независимость от единиц)

Значение не меняется при масштабировании и сдвиге величин ( $r(aX + b, cY + d) = r(X, Y)$ при $a, c > 0$ ).

Симметричность

Корреляция $X$ с $Y$ равна корреляции $Y$ с $X$ :

$r_{xy} = r_{yx}$ .

Функциональная линейная связь

Если $Y = aX + b$ , то $r_{xy} = 1$ (при $a > 0$ ) или $r_{xy} = -1$ (при $a < 0$ ).

2. Интерпретация результатов: Шкала Чеддока

Для качественной оценки того, насколько сильна найденная зависимость, в статистике используют общепринятую шкалу Чеддока:

Направление связи 🧭

• **Прямая корреляция ( $r > 0$ ):** при росте одной величины вторая в среднем также растёт.

• **Обратная корреляция ( $r < 0$ ):** при росте одной величины вторая имеет тенденцию уменьшаться.

• **Отсутствие линейной связи ( $r = 0$ ):** изменения величин не связаны линейно.

Шкала Чеддока (|r|) 📊

• $0{,}1 < |r| \le 0{,}3$ — слабая связь;

• $0{,}3 < |r| \le 0{,}5$ — умеренная связь;

• $0{,}5 < |r| \le 0{,}7$ — заметная связь;

• $0{,}7 < |r| \le 0{,}9$ — высокая связь;

• $0{,}9 < |r| < 1{,}0$ — весьма высокая связь.

3. Когда и где корреляция применяется в реальной жизни?

Коэффициент корреляции — это не теоретическая абстракция, а один из самых востребованных инструментов в современных профессиях и Data Science:

1. Бизнес и маркетинг 🛍️

• Оценка рекламных кампаний: рассчитывают корреляцию между бюджетом на рекламу и количеством новых клиентов. Если $r = 0{,}85$ , канал эффективен.

• Ценообразование: анализируют связь между ценой товара и спросом (обратная корреляция $r \approx -0{,}75$ ).

2. Медицина и фармакология 🩺

• Эффективность лекарств: изучают корреляцию между дозировкой препарата и изменением симптомов заболевания.

• Факторы риска: рассчитывают связь между курением/весом и вероятностью сердечно-сосудистых заболеваний.

3. Финансы и инвестиции 📈

• Диверсификация портфеля: инвесторы подбирают акции с низкой или отрицательной корреляцией ( $r < 0$ ), чтобы при падении одного актива другой рос, снижая общий риск.

4. Образование и социология 🎓

• Анализ успеваемости: исследуют корреляцию между временем, потраченным на выполнение домашних заданий, и итоговым баллом за экзамен.

⚠️ Важнейшее правило аналитики: Корреляция НЕ означает причинно-следственную связь!

Одно из главных заблуждений — путать корреляцию и причину.

• Классический пример: Существует высокая положительная корреляция ( $r \approx 0{,}9$ ) между продажами мороженого и количеством утонувших людей на пляжах. Означает ли это, что мороженое заставляет людей тонуть? Нет! Причина обоих явлений — скрытый третий фактор: жаркая летняя погода.

Пошаговый алгоритм расчёта коэффициента корреляции

Чтобы без ошибок найти и проинтерпретировать коэффициент корреляции для выборочных данных, используйте следующую инструкцию:

Порядок действий: Пошаговый алгоритм

**Вычислите средние значения $\bar{x}$ и $\bar{y}$ :** сложите значения по каждому признаку и разделите на объём выборки $n$ .

**Рассчитайте отклонения от средних $(x_i - \bar{x})$ и $(y_i - \bar{y})$ :** найдите разности для каждой пары наблюдений.

Вычислите ковариацию и дисперсии: найдите сумму произведений отклонений (числитель) и суммы квадратов отклонений (знаменатель).

Разделите ковариацию на произведение стандартных отклонений: найдите $r_{xy}$ и оцените силу связи по шкале Чеддока.

Типичные ошибки при анализе корреляции

При синтаксическом и вероятностном анализе заданий старшеклассники чаще всего допускают следующие две ошибки:

Ошибка 1: Получение коэффициента |r| > 1 ❌

Если в вычислениях получилось значение $r = 1{,}2$ или $r = -1{,}5$ , в расчётах гарантированно допущена арифмитическая ошибка! Коэффициент Пирсона строго ограничен диапазоном $[-1; 1]$ !

Ошибка 2: Попытка оценить нелинейную связь коэффициентом Пирсона ❌

Применять показатель Пирсона к параболическим или параболоподобным связям (например, $Y = X^2$ при симметричном $X$ ). Коэффициент Пирсона покажет $r = 0$ , хотя зависимость здесь полная (функциональная)!

Подробный разбор практических задач

Рассмотрите примеры решения задач по теме «Коэффициент линейной корреляции» из курса 11 класса.

Пример 1: Вычисление коэффициента корреляции по ковариации и дисперсиям

Задание: Для случайных величин $X$ и $Y$ известно, что $D(X) = 9$ , $D(Y) = 16$ , а ковариация равна $\text{Cov}(X, Y) = 9{,}6$ . Найдите коэффициент линейной корреляции и оцените силу связи по шкале Чеддока.

Подробное решение:

1) Найдём среднеквадратичные отклонения:

$\sigma_x = \sqrt{D(X)} = \sqrt{9} = 3$ .

$\sigma_y = \sqrt{D(Y)} = \sqrt{16} = 4$ .

2) Воспользуемся формулой коэффициента корреляции:

$r_{xy} = \frac{\text{Cov}(X, Y)}{\sigma_x \cdot \sigma_y} = \frac{9{,}6}{3 \cdot 4} = \frac{9{,}6}{12} = 0{,}8$ .

3) Интерпретация: Поскольку $0{,}7 < 0{,}8 \le 0{,}9$ , связь между величинами прямая и высокая.

Ответ: $r_{xy} = 0{,}8$ (высокая прямая линейная связь).

Пример 2: Расчёт корреляции при изменении масштаба величин

Задание: Коэффициент корреляции между величинами $X$ и $Y$ равен $r_{xy} = -0{,}6$ . Чему равен коэффициент корреляции между величинами $U = 4X + 1$ и $V = -2Y + 3$ ?

Подробное решение:

1) Используем свойства коэффициента корреляции при линейном преобразовании:

$\text{Cov}(4X + 1, -2Y + 3) = 4 \cdot (-2) \cdot \text{Cov}(X, Y) = -8 \cdot \text{Cov}(X, Y)$ .

2) Стандартные отклонения преобразуются с модулями коэффициентов:

$\sigma_u = |4| \cdot \sigma_x = 4 \sigma_x$ ;

$\sigma_v = |-2| \cdot \sigma_y = 2 \sigma_y$ .

3) Найдем $r_{uv}$ :

$r_{uv} = \frac{-8 \cdot \text{Cov}(X, Y)}{4 \sigma_x \cdot 2 \sigma_y} = \frac{-8 \cdot \text{Cov}(X, Y)}{8 \sigma_x \cdot \sigma_y} = -\frac{\text{Cov}(X, Y)}{\sigma_x \cdot \sigma_y} = -r_{xy}$ .

4) Подставим $r_{xy} = -0{,}6$ :

$r_{uv} = -(-0{,}6) = 0{,}6$ .

Ответ: $r_{uv} = 0{,}6$ .

Задания по коэффициенту линейной корреляции для 11 класс

Образовательной платформа Экзамео предлагает онлайн-тренажёры по теме «Коэффициент линейной корреляции» для 11 класса с подробными решениями и разборами. Систематическая практика на нашем тренажёре поможет научиться свободно вычислять коэффициенты Пирсона по выборочным данным, оценивать тесноту связей, успешно готовиться к контрольным работам в 11 классе!