Michał Pietkiewicz, Ekobiznes

Statystyka: Sprawozdanie n 3

Wstęp:
Zależność statystyczna zmiennych losowych (korelacja) to związek pomiędzy dwiema zmiennymi
losowymi X i Y.

Mówimy, że zmienne losowe X,Y są niezależne, gdy dla każdych liczb rzeczywistych a,b zachodzi
równość:

Mówimy, że zmienne losowe X, Y są zależne, gdy nie są one niezależne – to znaczy, dla pewnych liczb
rzeczywistych a,b

Współczynnik korelacji liniowej Pearsona to współczynnik określający poziom zależności liniowej

między zmiennymi losowymi. Został opracowany przez Karla Pearsona.
(Źródło: Wkipedia.com)

Korelacja dodatnia oznacza, że razem z wzrostem jednej zmiennej druga wzrasta razem z nią.

Korelacja ujemna oznacza, że razem z wzrostem jednej zmiennej druga maleje.

Analiza:
1) Rozwielitka

Celem badań jest sprawdzenie wpływu poszczególnych czynników na zagęszczenie

rozwielitki. A moją hipotezą jest to, że te czynniki faktycznie wpływają na występowanie
zwierzęcia.
Pomiar został zrobiony na 43 osobnikach i wyniki pokazały, że wszystkie zmienne z tabeli 1
miały wpływ na zagęszczenie rozwielitki a największy miał chlorofil a (r=0,5772, p<0,001).
Pozostałe zmienne były mniej skorelowane.
Na trzech powyższych wykresach rozrzutu możemy stwierdzić, że mamy korelację dodatnią,
ponieważ kiedy zmienne mają większą pozycję na osi Y to osobniki na osi X też rosną. Czerwona linia
dopasowania potwierdza, że jest to korelacja dodatnia, ponieważ rośnie. Hipoteza potwierdziła się.

2) Daphnia Cucullata

Celem badań jest sprawdzenie korelacji między szerokością ciała, długością głowy i
kręgosłupa a długością ciała. Moją hipotezą jest to, że te czynniki są powiązane z długością
ciała Daphnii.
Pomiar został zrobiony na 3189 osobnikach i wyniki pokazały, że zmienne B i C z tabeli 2 były
mocno skorelowane z długością ciała. Długość kręgosłupa miała mniejszy wpływ niż dwa
pozostałe czynniki.
Na czterech powyższych wykresach rozrzutu możemy stwierdzić, że mamy korelację dodatnią,
ponieważ kiedy zmienne mają większą pozycję na osi Y to punkty na osi X też rosną. Czerwona linia
dopasowania potwierdza, że jest to korelacja dodatnia, ponieważ rośnie.

Hipoteza potwierdziła się.

3) Sklep

Celem badań było sprawdzenie jaki czynnik wpływa najbardziej na kwotę rachunku za zakupione
buty.
Na kwotę faktury miały wpływ: wysokość, waga i czas spędzony na stronie. Największą korelacje
miała wysokość buta. Czas spędzony na stronie był mniej skorelowany z kwota faktury. Rozmiar buta
nie miał żadnego wpływu na żaden z parametrów.
Na dwóch powyższych wykresach rozrzutu możemy stwierdzić, że mamy korelację dodatnią,
ponieważ kiedy zmienne mają większą pozycję na osi Y to punkty na osi X też rosną. Czerwona linia
dopasowania potwierdza, że jest to korelacja dodatnia, ponieważ rośnie.
W tym przypadku wykres się różni od pozostałych. Widać, że kiedy punkty na osi Y się zmniejszają to
na osi X rosną i vis-versa. Mamy do czynienie z korelacją ujemną. Stwierdzamy więc że im mniej czasu
klienci spędzają na stronie internetowej tym więcej wydają pieniędzy.

4) Test średnich względem stałej wartości odniesienia

Ujemna wartość „t” wskazuje na to ze śledzie będą mniejsze niż średnia. Waga śledzi w Morzu
Północnym to +- 370 a odchylenie standardowe to +-80
5) Czas reakcji

Celem badań było sprawdzenie wpływu wypicia 1 piwa na test reakcji badanych.

Czas reakcji przy niewypitym piwie: Hipoteza 0

Moja hipoteza jest następująca: Wypicie 1 piwa wpłynie negatywnie na test reakcji ludzi badanych.
Na powyższym wykresie można zauważyć, że prawie wszystkie punkty (badani) mają mniejsze
wartości na osi X niż na osi Y co oznacza, że sprawniej im poszło podczas testu na reakcje przed
wypiciem piwa. Jest to korelacja dodatnia.
6) Test na depresje

Celem badań jest sprawdzenie wpływu terapii na stan depresji badanych osób. Moją
hipotezą jest to, że te terapia wpłynie pozytywnie na test na depresje.
Pomiar został zrobiony na 24 pacjentach i wyniki pokazały, że dnia 0 mamy hipotezę zerową
(punkt startowy leczenia) a dnia 60 średnia się zmniejszyła a odchylenie standardowe się
zwiększyło.

Na powyższym wykresie można zauważyć, że, ogólnie, wartości na osi Y, czyli po terapii są mniejsze
niż te na osi X. Mamy więc korelacje dodatnią.
Na wykresie ramka-wąsy można także stwierdzić że terapia zadziałała na większość pacjentów, dla
niektórych w większym a dla innych mniejszym stopniu.