‫في هذا الفيديو‪ ،‬سوف نطلعك على طرق االرتباط اإلحصائية المختلفة‪ .

‬هناك طريقة واحدة لقياس االرتباط بين المتغيرات الرقمية‬

‫إذًا كيف ‪ -P‬المستمرة باستخدام طريقة تُسمى ارتباط بيرسون‪ .‬طريقة ارتباط بيرسون سوف تُعطيك قيمتين‪ :‬معامل االرتباط والقيمة‬
‫نفسر هذه القيم؟ بالنسبة لمعامل االرتباط‪ ،‬تشير القيمة القريبة من ‪ 1‬إلى ارتباط إيجابي كبير‪ ،‬بينما تشير القيمة القريبة من سالب‬
‫كيف ‪ 1 -P‬إلى ارتباط سلبي كبير‪ ،‬وتشير القيمة القريبة من صفر إلى عدم وجود ارتباط بين المتغيرات‪ .‬بعد ذلك‪ ،‬تخبرنا القيمة‬
‫فإن القيمة أقل من ‪ 001.‬وهذا يعطينا تأكيد قوي بشأن معامل االرتباط ‪ -P،‬نتأكد من االرتباط الذي قمنا بحسابه‪ .‬بالنسبة للقيمة‬
‫الذي قمنا بحسابه‪ .‬القيمة التي بين ‪ 001.‬و ‪ 05.‬تعطينا تأكيد متوسط‪ .‬والقيمة التي بين ‪ 05.‬و‪ 1.‬تعطينا تأكيد ضعيف‪.‬‬
‫أكبر من ‪ 1.‬لن تعطينا أي تأكيد عن االرتباط على اإلطالق‪ .‬يمكننا أن نرى هذا هناك ارتباط قوي عندما يقترب ‪ -P‬والقيمة‬
‫أقل من ‪ .001.‬يظهر الرسم البياني التالي بيانات ذات قيم ارتباط ‪ -P‬معامل االرتباط من ‪ 1‬أو من سالب واحد‪ ،‬والقيمة‬
‫مختلفة‪ .‬في هذا المثال‪ ،‬نريد أن ننظر إلى االرتباط بين متغير الحصان وثمن السيارة‪ .‬انظر كيف يمكننا بسهولة حساب ارتباط‬
‫؟ يمكننا أن نرى أن معامل االرتباط تقريبًا ‪ ،8.‬وهذا قريب من ‪ .1‬لذا هناك ارتباط‪ SI/PI‬بيرسون باستخدام مجموعة إحصائيات‬
‫أيضا مالحظة هذا أن القيمة‬
‫ً‬ ‫جدا‪ ،‬أصغر بكثير من ‪ .001.‬وبهذا يمكننا أن نستنتج أننا متأكدون ‪ -P‬إيجابي قوي‪ .‬يمكننا‬ ‫ً‬ ‫صغيرة‬
‫من االرتباط اإليجابي القوي‪ .‬مع أخذ كل المتغيرات في الحسبان‪ ،‬يمكننا اآلن إنشاء خريطة تمثيل حراري تشير إلى االرتباط بين‬
‫كل من المتغيرات مع بعضها البعض‪ .‬يشير نظام األلوان إلى معامل ارتباط بيرسون‪ ،‬مما يشير إلى قوة االرتباط بين متغيرين‪.‬‬
‫يمكننا رؤية خط قطري بلون أحمر داكن‪ ،‬مما يشير إلى أن جميع القيم على هذا القطر مرتبطة بشكل كبير‪ .‬هذا منطقي ألنه عندما‬
‫دائما ما ستكون ‪ .1‬تعطينا هذه‬‫ً‬ ‫تلقي نظرة عن قُرب‪ ،‬تجد أن القيم على القطر هي ارتباط جميع المتغيرات مع أنفسهم‪ ،‬والتي‬
‫الخريطة االرتباطية نظرة عامة جيدة حول كيفية ارتباط المتغيرات المختلفة ببعضها البعض‪ ،‬و األهم من ذلك‪ ،‬كيف ترتبط هذه‬
‫‪.‬المتغيرات بالسعر‬