Солодушкин С.И. - практика - - часть 2 = конспект от YandexGPT
Солодушкин С.И. - практика - - часть 2 = конспект от YandexGPT
00:00 Обсуждение корреляционных отношений
• Участники обсуждают вопрос о том, является ли корреляционное отношение числом или функцией.
• Некоторые участники считают, что это функция, так как она зависит от случайных величин.
07:22 Обобщение корреляционных отношений
• Участники обсуждают, что обобщение корреляционных отношений должно быть таким, чтобы сохранить суть, но измерять связь между нелинейными величинами.
• Участники также обсуждают, что коэффициент корреляции характеризует тесноту связи между двумя случайными величинами одним числом.
10:54 Обсуждение примера с пожарами
• Участники обсуждают пример о корреляции между ущербом от пожаров и количеством пожарных, участвовавших в ликвидации пожара.
• Участники обсуждают, следует ли из этого, что увеличение количества пожарных приводит к увеличению ущерба.
15:24 Корреляция и причинно-следственные связи
• В видео обсуждается разница между функциональными и статистическими связями, а также то, что корреляция не определяет направление причинно-следственной связи.
• Приводится пример с пациентами с флюорозом и сахарным диабетом, где корреляция между этими заболеваниями не означает, что одно из них является причиной другого.
20:10 Определение корреляции
• В видео обсуждается определение корреляции, данное профессором Р.
• Самойловой, и его недостатки.
• В определении говорится о статистической зависимости между случайными величинами, но не о функциональной зависимости.
25:10 Примеры и ошибки в определении
• В видео приводятся примеры, которые не соответствуют определению корреляции, данному Самойловой.
• Обсуждается, что определение не учитывает, что изменение одной величины может привести к изменению математического ожидания другой.
• В заключение, видео подчеркивает, что определение, данное Самойловой, является неправильным и не отражает суть корреляции.
29:56 Обсуждение коэффициента корреляции Пирсона
• Обсуждается, что коэффициент корреляции Пирсона не определяет причинно-следственную связь, а только статистическую.
• Упоминается, что для расчета коэффициента Пирсона необходимо, чтобы совокупность значений всех факторных и результативных признаков подчинялась многомерному нормальному распределению.
33:56 Проверка гипотезы о нормальности
• Упоминается, что гипотеза о нормальности не имеет отношения к коэффициенту корреляции Пирсона.
• Обсуждается, что для проверки значимости коэффициента Пирсона необходимо использовать критерии Пирсона, Кендала или Стюарта.
41:43 Визуальное определение закона распределения
• Упоминается, что в случае недостаточного объема выборки для формального тестирования, закон распределения можно определить визуально на основе корреляционного поля.
• Если в расположении точек на поле наблюдается линейная тенденция, то исходные данные подчиняются нормальному закону распределения.
44:29 Обсуждение определения корреляции
• Обсуждение определения корреляции, которое включает в себя минимальное количество значений и закон распределения.
• Упоминается, что слово “недостаточно“ может быть использовано неправильно, и что фраза “недостаточно для проведения формального тестирования“ звучит странно.
49:16 Примеры корреляции
• Приводится пример задачи “до-после“, где линейная связь прослеживается, но данные не подчиняются нормальному закону.
• Упоминается, что линейная связь может быть при нормальном распределении остатков, но это не всегда так.
55:16 Домашнее задание
• Упоминается домашнее задание, где нужно ответить на вопрос о том, что не так с определением корреляции.
• Упоминается, что аттестационная неделя в университете проводится дома, и что пересдачи будут после смены расписания.
Весь плейлист:
1 view
400
112
2 months ago 01:30:57 3
Солодушкин С.И. - практика - - часть 1 + конспект YandexGPT
2 months ago 00:57:25 3
Солодушкин С.И. - практика - - часть 2 = конспект от YandexGPT
2 months ago 01:20:01 2
Солодушкин С.И. - лекция - + конспект YandexGPT
2 months ago 01:22:00 1
Солодушкин С.И. - лекция - = конспект от YandexGPT