Корреля́ция — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом, изменения одной или нескольких из этих величин приводят к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.
Некоторые виды коэффициентов корреляции могут быть положительными или отрицательными (возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин). Если предполагается, что на значениях переменных задано отношение строгого порядка, то отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой переменной, при этом коэффициент корреляции может быть отрицательным; положительная корреляция в таких условиях — корреляция, при которой увеличение одной переменной связано с увеличением другой переменной, при этом коэффициент корреляции может быть положительным.
Автокорреляция — статистическая взаимосвязь между случайными величинами из одного ряда, но взятых со сдвигом, например, для случайного процесса — со сдвигом по времени.
Коэффицие́нт корреля́ции или парный коэффицие́нт корреля́ции в теории вероятностей и статистике — это показатель характера взаимного стохастического влияния изменения двух случайных величин. Коэффициент корреляции обозначается латинской буквой R в математической статистике (r в статистике) и может принимать значения от −1 до +1. Если значение по модулю находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0 — связь отсутствует или является существенно нелинейной. При коэффициенте корреляции равном по модулю единице говорят о функциональной связи (а именно линейной зависимости), то есть изменения двух величин можно описать линейной функцией.
В различных прикладных отраслях (социологии, демографии, медицине, физике, химии, экономике и др.) приняты разные границы интервалов для оценки тесноты и значимости связи.
Корреляционный анализ — метод обработки статистических данных, заключающийся в изучении коэффициентов корреляции между переменными. При этом сравниваются коэффициенты корреляции между одной парой или множеством пар признаков для установления между ними статистических взаимосвязей.
Цель корреляционного анализа — обеспечить получение некоторой информации об одной переменной с помощью другой переменной. В случаях, когда возможно достижение цели, говорят, что переменные коррелируют. В самом общем виде принятие гипотезы о наличии корреляции означает что изменение значения переменной А, произойдет одновременно с пропорциональным изменением значения Б.
Корреляция отражает лишь линейную зависимость величин, но не отражает их функциональной связности. Например, если вычислить коэффициент корреляции между величинами A = sin(x) и B = cos(x), то он будет близок к нулю, то есть (линейная) зависимость между величинами отсутствует. Между тем, величины A и B очевидно связаны функционально по закону sin2(x) + cos2(x) = 1.
,
где хi – значения, принимаемые в выборке Х,
уi – значения, принимаемые в выборке У,
- средняя по Х, - средняя по У.
Название улицы | Количество деревьев с лишайниками, % | Плотность движения легкового автотранспорта | Плотность движения грузового автотранспорта. | |||||
Ложевая | ||||||||
Михеева | 82,91 | |||||||
Руднева | 62,2 | |||||||
Первомайская | 23,4 | |||||||
Металлургов | ||||||||
Красноармейский проспект | ||||||||
Мира | ||||||||
М.Горького | 33,7 | |||||||
9 мая. Зеленстрой | ||||||||
Одоевское шоссе | 48,5 | |||||||
Станиславского-Первомайская | 60,1 | |||||||
Пузакова | ||||||||
| ||||||||
R= 0,150687 | ||||||||
| ||||||||
R= -0,05937 |
Ожидаемым значением корреляции было значение, близкое к R=-1, в действительности получилось:
- для первого графика: R= 0,150687;
- для второго графика: R= -0,05937.
Следовательно корреляция и по 1 и по 2 графику не совпадает с ожидаемой. Теоретически должна существовать обратная зависимость с исследуемыми величинами: оба коэффициента должны быть отрицательны и иметь величину, близкую к 1.
Вывод:
Это связано с тем, что в данной работе не учитывались загрязнения производственными предприятиями г.Тулы, рельеф, в низменностях концентрация загрязнений в воздухе практически не снижается.
В итоге маленькое количество лишайников говорит о высокой загрязненности.
Список литературы
1. Онлайн энциклопедия Кругосвет –
http://www.krugosvet.ru/enc/nauka_i_tehnika/biologiya/LISHANIKI.html
2. Википендия - http://ru.wikipedia.org/wiki/Лишайники
3. Википендия - http://ru.wikipedia.org/wiki/Корреляция