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: