상관관계 (PMCC) | Equation, Derivation and Rearrangements

Core idea

Overview

상관관계 (PMCC)는 주요 입력값과 식의 관계를 정리하고 계산 결과의 의미를 해석하기 위한 설명입니다. 조건, 단위, 전제를 확인하면서 사용하면 결과를 비교, 판단, 추정, 위험 확인과 연결하기 쉽습니다. 필요하면 값을 바꾸어 결과가 어떻게 달라지는지도 확인하세요.

When to use: 상관관계 (PMCC)는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

Why it matters: 상관관계 (PMCC)의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

Symbols

Variables

r = Correlation, $S_{x y}$ = Covariance Sum, $S_{xx}$ = Var Sum X, $S_{y y}$ = Var Sum Y

r

Correlation

Variable

S_{x y}

Covariance Sum

Variable

S_{xx}

Var Sum X

Variable

S_{y y}

Var Sum Y

Variable

Walkthrough

Derivation

공식: 적률상관계수 (PMCC)

피어슨의 PMCC r은 두 변수 간 선형 관계의 강도와 방향을 측정하며, -1에서 1까지의 범위를 갖습니다.

관계는 대략 선형입니다.

1

요약량 정의:

x와 y에 대한 교차편차합과 제곱합을 계산합니다.

S_{x y} = \sum (x - \overset{x}{ˉ}) (y - \overset{y}{ˉ}), S_{xx} = \sum (x - \overset{x}{ˉ})^{2}, S_{y y} = \sum (y - \overset{y}{ˉ})^{2}

2

PMCC 공식 제시:

공분산 유사 측도를 산포의 곱으로 나누어 결과를 표준화합니다.

r = \frac{S _{x y}}{S _{xx} S _{y y}}

Note: r=1은 완벽한 양의 선형 상관관계, r=-1은 완벽한 음의 상관관계, r=0은 선형 상관관계가 없음을 나타냅니다.

Result

r = \frac{S _{x y}}{S _{xx} S _{y y}}

Source: AQA A-Level Mathematics — Statistics (Bivariate Data)

Why it behaves this way

Intuition

데이터 점들의 산점도를 상상해 보십시오. PMCC는 이 점들이 직선 주위에 얼마나 밀집되어 있는지와 그 직선이 위쪽(양의 상관관계) 또는 아래쪽(음의 상관관계)으로 기울어져 있는지를 정량화합니다.

r

두 변수 간의 선형 관계의 강도와 방향에 대한 표준화된 측정값입니다.

범위는 -1(완벽한 음의 선형 상관관계)부터 +1(완벽한 양의 선형 상관관계)까지이며, 0은 선형 상관관계가 없음을 나타냅니다.

S_{x y}

각 변수의 평균으로부터의 편차의 곱의 합입니다.

변수들이 함께 증가/감소하는 경향(양수) 또는 반대 방향으로 움직이는 경향(음수)을 나타냅니다.

S_{xx}

x 변수의 평균으로부터의 제곱 편차의 합입니다.

x 변수 데이터 내의 총 변동성 또는 산포를 나타냅니다.

S_{y y}

y 변수의 평균으로부터의 제곱 편차의 합입니다.

y 변수 데이터 내의 총 변동성 또는 산포를 나타냅니다.

S_{xx} S_{y y}

x와 y의 개별 변동성에서 파생된 정규화 인자입니다.

공분산 유사 항(S_xy)을 조정하여 상관 계수 'r'이 항상 -1과 +1 사이에 있도록 하여 무차원 측정값으로 만듭니다.

Signs and relationships

S_{xy}: S_xy의 부호는 'r'의 부호를 직접 결정합니다. 양의 S_xy은 한 변수가 증가할 때 다른 변수도 증가하는 경향(양의 상관관계)을 나타냅니다.
√(S_{xx)S_{yy}}: 이 항은 S_xx과 S_yy이 제곱합이므로 항상 양수이며, 따라서 음이 아닙니다. 이는 스케일링 인자로 작용하여 'r'의 절댓값이 1을 초과하지 않도록 보장함으로써 선형 측정값을 표준화합니다.

Free study cues

Insight

Canonical usage

피어슨 곱-모멘트 상관계수(PMCC)는 두 변수 사이의 선형 관계의 강도와 방향을 정량화하는 데 사용되는 무차원 통계 척도이며, 하나의 값으로 보고됩니다.

Dimension note

피어슨 곱-모멘트 상관계수(PMCC)는 두 변수의 공분산을 각 변수의 표준편차 곱으로 나눈 비율입니다.

One free problem

Practice Problem

다음 조건을 사용해 상관관계 (PMCC)을(를) 구하세요. 필요한 값을 식에 대입하고 단위와 자릿수를 확인해 답하세요. 조건: 45, 25, 100.

Hint: 상관관계 (PMCC)의 식에 알려진 값을 대입하고 단위, 부호, 분자와 분모의 대응을 확인하면서 계산하세요. 문제에서 주어진 조건을 먼저 정리하면 더 쉽게 풀 수 있습니다.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

상관관계 (PMCC)는 실무, 학습, 분석 상황에서 구체적인 값을 대입해 결과를 확인할 때 사용할 수 있습니다. 계산 결과를 단순한 숫자로만 보지 않고 조건 비교, 판단, 추정, 위험 확인과 연결해 해석하는 데 도움이 됩니다.

Study smarter

Tips

선형 경향이 있는지 확인하려면 먼저 산점도로 데이터를 시각화하세요.
이상치는 r 값을 크게 부풀리거나 낮출 수 있으므로 주의하세요.
상관이 0이라는 것은 선형 관계가 없다는 뜻이지만 비선형 관계는 여전히 존재할 수 있습니다.

Avoid these traps

Common Mistakes

상관관계와 인과관계를 혼동하는 것.
r > 1(계산 오류).

Common questions

Frequently Asked Questions

피어슨의 PMCC r은 두 변수 간 선형 관계의 강도와 방향을 측정하며, -1에서 1까지의 범위를 갖습니다.

상관관계 (PMCC)는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

상관관계 (PMCC)의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

상관관계와 인과관계를 혼동하는 것. r > 1(계산 오류).

상관관계 (PMCC)는 실무, 학습, 분석 상황에서 구체적인 값을 대입해 결과를 확인할 때 사용할 수 있습니다. 계산 결과를 단순한 숫자로만 보지 않고 조건 비교, 판단, 추정, 위험 확인과 연결해 해석하는 데 도움이 됩니다.

선형 경향이 있는지 확인하려면 먼저 산점도로 데이터를 시각화하세요. 이상치는 r 값을 크게 부풀리거나 낮출 수 있으므로 주의하세요. 상관이 0이라는 것은 선형 관계가 없다는 뜻이지만 비선형 관계는 여전히 존재할 수 있습니다.

References

Sources

Wikipedia: Pearson product-moment correlation coefficient
Probability and Statistics for Engineers and Scientists by Walpole, Myers, Myers, Ye (9th Edition)
Moore, David S., and George P. McCabe. Introduction to the Practice of Statistics.
Introduction to the Practice of Statistics by David S. Moore, George P. McCabe, Bruce A. Craig
Statistical Methods for the Social Sciences by Alan Agresti
Wikipedia article "Pearson correlation coefficient
AQA A-Level Mathematics — Statistics (Bivariate Data)