пусть будет множество замеров - 1000 штук, из них в 700 разах возникало событие А, в 400 разах возникало событие Б. В 300 разах было одновременное возникновение А и Б.
Исходя из этого, всего замеров где были А или Б:
| Код |
объед_а_б = колич_а + колич_б - пересеч_а_б
|
всего замеров без А и без Б было:
| Код |
прочие_без_а_и_б = всего - объед_а_б
|
Теперь к формуле корреляции, как я ее понял в приведении к этим данным.
Я так понял, что значениями для параметров Х и У формулы корреляции здесь будут 1 или 0 - событие в замере есть или события нету.
| Код |
// Делимое: Сумма( (Х - СредХ)*(У - СредУ) )
ср_а = колич_а / всего
ср_б = колич_б / всего
Делимое =
(0 - ср_а) * (0 - ср_б) * прочие_без_а_и_б +
(1 - ср_а) * (0 - ср_б) * (а - пересеч_а_б) +
(0 - ср_а) * (1 - ср_б) * (б - пересеч_а_б) +
(1 - ср_а) * (1 - ср_б) * пересеч_а_б
// Делитель: Корень(Сумма( (Х - СредХ)^2 * (У - СредУ)^2 ) )
су_кв_а =
(0 - ср_а) * (0 - ср_а) * (всего - а) +
(1 - ср_а) * (1 - ср_а) * а
су_кв_б =
(0 - ср_б) * (0 - ср_б) * (всего - б) +
(1 - ср_б) * (1 - ср_б) * б;
Делитель = корень( су_кв_а * су_кв_б )
Результат = Делимое / Делитель
|
И в этом я не все понимаю. В моем представлении, корреляция событий А и Б не должна зависить от объема всей выборки, а только от относительности друг с другом.
По этой формуле для цифр:
Всего = 1000, А=700, Б=700, ПересечАБ = 700 - результат единица - как нужно,
а для случая:
Всего = 1000, А=400, Б=400, ПересечАБ = 0 - результат -0.669, но мне казалось д.б. минус один - т.к. не пересекаемые события.
Зачем мне это нужно. У меня есть база данных. Я хочу попробовать замерять зависимости свойств между собой у объектов - для поиска ошибок. Так же там есть текстовые поля, которые распарсивая буду пытаться выводить новые свойства. Данных много, и ручная обработка не представляется возможной.
|
)
.