കോറേഞ്ചന്റ് കോഫിക്റ്റ് ഗണനി
പ്‌സെർസൺ റീഡിന്‍റെ രണ്ടു പട്ടികകൾ സംഖ്യകളുടെ ഒരു പട്ടികയിൽ വെക്കുക.
ടൈപ്പ് ചെയ്യുന്നതിനനുസരിച്ച് പുതുക്കല്‍ ഫലങ്ങള്‍.
ഈ ഗണനിയെപ്പറ്റി
Pearson’s correlation coefficient (r) measures the strength and direction of the linear relationship between two variables, ranging from −1 (perfect negative) through 0 (no linear relationship) to +1 (perfect positive). It is found by dividing the covariance of x and y by the product of their standard deviations, which standardises the result into that fixed −1 to +1 range.
Enter paired x and y values in the same order; the two lists must have the same number of values. The calculator returns r, the coefficient of determination r², the covariance, and the least-squares regression line (slope and intercept), plus a plain-English reading of the strength, and plots the data with its best-fit line. It needs at least two pairs, and the result is undefined if either variable never changes.
Worked example: for x = 1, 2, 3, 4, 5 and y = 2, 4, 5, 4, 6 the points trend upward together, giving r ≈ 0.85 — a strong positive correlation — and r² ≈ 0.73, meaning about 73% of the variation in y is explained by a straight-line relationship with x. Correlation is used in finance, science and social research to spot which variables move together.
പലപ്പോഴും ചോദ്യങ്ങൾ ചോദിച്ചു
കോർട്ടിക്റേഷൻ എന്നോട് എന്താ പറയുന്നത്?
രണ്ട് ചരം ശരിയായ വരിയില് നീങ്ങുന്നത് എത്രമാത്രം എന്നതിനെ സൂചിപ്പിക്കുന്നു. +1 അല്ലെങ്കില് oci1-ന് അടുത്ത് വിലകള് ശക്തമായ ഒരു ഏകക ബന്ധത്തെ സൂചിപ്പിക്കുന്നു. മൂല്യങ്ങള് 0-ന്റെ അടുത്തുള്ള വിലകള്, ചെറിയതോ, ഏകകയോ ആയ കൂട്ടായ്മയെ സൂചിപ്പിക്കുന്നു.
കോർട്ടിനേഷന് എന്നതുകൊണ്ട് ഒരു കറണ്ടിംഗ് ആണോ?
ഒരു ഉയര്ത്തല് രണ്ട് പരിവൃത്തികള് ഒന്നിച്ച് നടക്കുന്നു, പക്ഷെ ഒന്ന് മറ്റൊന്നിനെ സൃഷ്ടിക്കുന്ന കാര്യമല്ല. മൂന്നാമത്തെ കാരണം, ഒരു മറഞ്ഞിരിക്കുന്ന ഗതി, ഹ്രസ്വമായ യാദൃച്ഛികത, ഒരു കസല് ബന്ധവുമില്ലാതെ ശക്തമായ കോര്ട്ടിനേറ്റ് ഉണ്ടാക്കാന് കഴിയും.
എന്താണ് R2?
R² is the square of the correlation coefficient. It is the proportion of the variation in y explained by a linear relationship with x — an r of 0.8 gives an R² of 0.64, meaning 64% of the variation is accounted for.
ശക്തമായ ഒരു കോർട്ടിങ്ങായിട്ട് എന്ത് കണക്കാക്കണം?
ഒരു കഠിനനായ വഴികാട്ടിയായി, 0.3 താഴെയുള്ള ഒരു പൂര്ണ്ണ ഗൈഡും ദുര്ബലമാണ്, ഏകദേശം 0.3 മുതല് 0.5 മിതത്വം വരെ 0.7 മുതല് 0.7 വരെ. ഈ ഗണിതം നിങ്ങളുടെ ശക്തിയെ വിളിക്കുന്നു. പക്ഷേ, ബുദ്ധിയുള്ള ഒരു മേഖലയില് വ്യത്യാസമുണ്ട്.
നിഷേധാത്മകമായ ഒരു ഭാവം എന്താണ് അർഥമാക്കുന്നത്‌?
A negative r means the variables move in opposite directions: as one rises the other tends to fall. An r of −0.9 is just as strong a linear relationship as +0.9, only reversed in direction.
കോർട്ടിങ്ങും രക്തപ്പകർച്ചയും തമ്മിലുള്ള വ്യത്യാസം എന്താണ്?
Covariance measures how two variables vary together but its size depends on their units, so it is hard to interpret. Pearson’s r is the covariance divided by the two standard deviations, which rescales it to a unit-free −1 to +1 range.
ഈ ഭ്രമണപഥത്തിന്റെ പരിണതഫലമെന്ത്?
ഏറ്റവും കുറഞ്ഞ-സ്ക്വാരിക വികസനം പോയിന്റുകള്ക്ക് ചേരുന്ന ശരിയായ വരിയാണ്. അതിന്റെ ചെക്ക് റൂമായി പങ്കു വെക്കുന്നു. ഈ ലൈന് ആലിംഗനം എത്രമാത്രം വളയുന്നു എന്ന് കോര്ട്രെല് പറയുന്നു, r2 വോള്ട്ടേഷന് പറയുന്നു, r2-ന്റെ വ്യത്യാസം വിശദീകരിക്കുന്നു.
API — കോഡ്‌പണലകത്തിലെ ഈ ഗണിതസൂത്രം ഉപയോഗിക്കുക
ഈ കംപ്യൂട്ടറില്‍ ഒരു സ്വതന്ത്ര Jonson test എന്ന നിലയില്‍ വിളിക്കുക, അത് ആവശ്യമില്ലാത്ത കീയല്ല. ഫീള്‍ഡ് മൂല്ല്യങ്ങള്‍ അല്ലെങ്കില് ഫീള്‍ഡ് സ്ട്രിങ് സ്ട്രിങ് ആയി അയയ്ക്കുക. നീ വിട്ടതെന്തും ഈ താള്‍ മുന്‍പ് തന്നെ നിറച്ചതാണ്; അപരിചിതമായ ഒരു പരാമീറ്റര്‍ 400 ആണ്, നിശബ്ദമായ പൂജ്യം ഒരിക്കലും ഉപയോഗിക്കില്ല. മുഴുവന്‍ API ഡോക്സ് വായിക്കുക →
അവസാനം സ്ഥലം
GET https://calculator.free/api/v1/correlation-coefficient/curl
curl "https://calculator.free/api/v1/correlation-coefficient/?x=1, 2, 3, 4, 5&y=2, 4, 5, 4, 6"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/correlation-coefficient/?" + new URLSearchParams({
"x": "1, 2, 3, 4, 5",
"y": "2, 4, 5, 4, 6"
}));
const data = await r.json();
console.log(data.results);എന്നാൽ, ഈ പ്രശ്‌നം പരിഹരിക്കാൻ കഴിയുന്ന ഏറ്റവും നല്ല മാർഗം എന്താണ്?