क्या स्पीयरमैन सामान्य वितरण मानता है?

विषयसूची:

क्या स्पीयरमैन सामान्य वितरण मानता है?
क्या स्पीयरमैन सामान्य वितरण मानता है?
Anonim

स्पीयरमैन का सहसंबंध एक रैंक आधारित सहसंबंध माप है; यह गैर-पैरामीट्रिक है और सामान्यता की धारणा पर आधारित नहीं है।

क्या स्पीयरमैन को सामान्य वितरण की आवश्यकता है?

स्पीयरमैन सहसंबंध के बारे में अच्छी बात यह है कि पियर्सन सहसंबंध के रूप में लगभग सभी समान मान्यताओं पर निर्भर करता है, लेकिन यह सामान्यता पर निर्भर नहीं करता है, और आपका डेटा हो सकता है क्रमिक भी। इस प्रकार, यह एक गैर-पैरामीट्रिक परीक्षण है।

स्पीयरमैन सहसंबंध की मान्यताएं क्या हैं?

स्पीयरमैन सहसंबंध की मान्यताएं हैं कि डेटा कम से कम क्रमिक होना चाहिए और एक चर पर स्कोर दूसरे चर से एकरस रूप से संबंधित होना चाहिए।

क्या पियर्सन सामान्य वितरण मानता है?

पियर्सन का सहसंबंध दो सतत यादृच्छिक चरों के बीच रैखिक संबंध का एक माप है। यह सामान्यता नहीं मानता हालांकि यह परिमित प्रसरण और परिमित सहप्रसरण मानता है।

यदि डेटा सामान्य रूप से वितरित नहीं किया जाता है तो किस सहसंबंध का उपयोग करना है?

जब चर सामान्य रूप से वितरित नहीं होते हैं या चर के बीच संबंध रैखिक नहीं होते हैं, तो स्पीयरमैन रैंक सहसंबंध विधि का उपयोग करने की अधिक अनुशंसा की जा सकती है। सहसंबंध के गुणांक में कोई वितरणात्मक धारणा नहीं होती है।

सिफारिश की:

दिलचस्प लेख
सबहेलॉइड रक्तस्राव का क्या कारण है?
अधिक पढ़ें

सबहेलॉइड रक्तस्राव का क्या कारण है?

15 (50%) मामलों में Subhyaloid नकसीर के एटियलजि को मधुमेह, 6 (20%) मामलों में वलसाल्वा रेटिनोपैथी, 3 (10%) मामलों में आघात के रूप में नोट किया गया था। अज्ञातहेतुक 2 (6.66%) मामले, 2 (6.66%) रोगियों में रेटिनल धमनी मैक्रोएन्यूरिज्म, 1 (3.

जब हम एक्सट्रपलेशन का उपयोग करते हैं?
अधिक पढ़ें

जब हम एक्सट्रपलेशन का उपयोग करते हैं?

हम अपने फ़ंक्शन का उपयोग एक स्वतंत्र चर के लिए आश्रित चर के मूल्य की भविष्यवाणी करने के लिए कर सकते हैं जो हमारे डेटा की सीमा से बाहर है। इस मामले में, हम एक्सट्रपलेशन कर रहे हैं। मान लीजिए कि पहले की तरह 0 और 10 के बीच x वाले डेटा का उपयोग प्रतिगमन रेखा y=2x + 5.

एक्सट्रपलेशन और इंटरपोलेशन क्यों?
अधिक पढ़ें

एक्सट्रपलेशन और इंटरपोलेशन क्यों?

इंटरपोलेशन का उपयोग डेटा सेट के भीतर मौजूद मूल्यों की भविष्यवाणी करने के लिए किया जाता है, और एक्सट्रपलेशन का उपयोग उन मूल्यों की भविष्यवाणी करने के लिए किया जाता है जो डेटा सेट के बाहर आते हैं और अज्ञात मूल्यों की भविष्यवाणी करने के लिए ज्ञात मूल्यों का उपयोग करते हैं।.