رفتن به محتوای اصلی
جونیورJGPTورود یا ساخت حساب
فهرست

آزمایشگاه آزاد؛ بدون نیاز به ورود

همبستگی یعنی یکی باعث اون یکی شده؟

گاهی دو اتفاق با هم زیاد می‌شن، اما یکی علت دیگری نیست. مثلاً هوای گرم هم می‌تونه فروش بستنی رو بالا ببره و هم رفتن به استخر رو؛ یک عامل مشترک روی هر دو اثر گذاشته.

آزمایش رو شروع کن

قدرت عامل مشترک رو از صفر تا یک تغییر بده و ضریب همبستگی رو بخون. نقطه‌های بیشتر نزدیک یک خط، یعنی رابطهٔ خطی قوی‌تری در همین نمونه.

آزمایشگاه در حال آماده شدنه…

حالا خودت امتحان کن

هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.

عامل مشترک رو از خاموش تا قوی ببر

قدرت عامل مشترک رو یک بار صفر و بار دیگه یک بذار؛ برچسب نمایش عامل رو خاموش نگه دار و ضریب همبستگی رو بخون.

حدست چیه؟ وقتی عامل مشترک هر دو اندازه‌گیری رو به یک اندازه جابه‌جا می‌کنه و نویز مستقل از بین می‌ره، نقطه‌ها چه شکلی می‌شن؟

توضیح نتیجه رو ببین

در نمونهٔ ثابت این تمرین، ضریب از حدود ۰٫۳۲ در قدرت صفر به ۱٫۰۰ در قدرت یک می‌رسه. در حالت صفر، نقطه‌های تصادفی باز هم ممکنه همبستگی نمونه‌ای نشون بدن؛ وقتی عامل مشترک تنها اثره، دو اندازه‌گیری کاملاً روی هم می‌افتن.

اثر عامل مشترک رو با نویز مخلوط کن

قدرت عامل مشترک رو بین ۰٫۵ و ۰٫۸ جابه‌جا کن و دو ضریب همبستگی رو کنار هم بخون.

حدست چیه؟ اگر سهم عامل مشترک بیشتر و سهم نویز مستقل کم‌تر بشه، انتظار داری نقطه‌ها نزدیک‌تر به خط بشن؟

توضیح نتیجه رو ببین

در اجرای نمونه، ضریب از حدود ۰٫۶۳ در قدرت ۰٫۵ به ۰٫۹۵ در قدرت ۰٫۸ می‌رسه. عامل مشترکِ قوی‌تر، حرکت دو متغیر رو شبیه‌تر می‌کنه؛ عدد دقیق به نمونهٔ تصادفی وابسته‌ست.

برچسب نمایش عامل رو امتحان کن

قدرت عامل رو روی ۰٫۵ ثابت نگه دار و برچسب نمایش عامل رو یک بار خاموش و یک بار روشن کن. نمودار و ضریب رو مقایسه کن.

حدست چیه؟ آیا روشن‌کردن این گزینه، عامل مشترک رو روی نمودار یا نتیجه آشکار می‌کنه؟

توضیح نتیجه رو ببین

در نسخهٔ فعلی، روشن‌کردن گزینه نمودار و ضریب رو تغییر نمی‌ده؛ در اجرای نمونه هر دو بار همبستگی حدود ۰٫۶۳ه. نمودار فقط جفت‌نقطه‌ها رو نشون می‌ده و عامل مشترک رو جدا رسم نمی‌کنه.

پشت این حرکت چه خبره؟

یک عامل سوم می‌تونه هر دو متغیر رو جابه‌جا کنه

X = k * C + (1 - k) * eX; Y = k * C + (1 - k) * eY

در این مدل، یک مقدار مشترک روی X و Y اثر می‌ذاره و هر متغیر هم نویز جداگانه داره. هیچ پیکانی از X به Y وجود نداره؛ شباهت حرکتشون از عامل مشترک می‌آد.

همبستگی، همراهیِ اندازه‌گیری‌ها رو خلاصه می‌کنه

r = corr(X, Y)

ضریب همبستگی نمونه‌ای به ۱ نزدیک باشه، یعنی نقطه‌ها در این نمونه نزدیک یک خطِ رو به بالا قرار گرفتن. این عدد به‌تنهایی نمی‌گه کدوم اتفاق علت اون یکیه.

همراهی، دلیلِ علت‌بودن نیست

ممکنه X روی Y اثر بذاره، Y روی X اثر بذاره یا عامل سومی روی هر دو اثر داشته باشه. برای فهمیدن علت، باید دربارهٔ سازوکار و شواهد جداگانه فکر کنی؛ فقط شکل نقطه‌ها کافی نیست.

سؤالت رو بپرس، جوابش رو هم ببین

وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.

شروع یادگیری با چت

برای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.

نمونهٔ نمایشی از آموزش در چت

پرسش تو

اگر دو متغیر ضریب همبستگی نزدیک یک داشته باشن، حتماً یکی علت اون یکیه؟

دستیار هوش مصنوعی

نه. شاید یک عامل سوم هر دو رو تغییر بده، یا رابطه‌ای غیر از علت مستقیم در کار باشه. همبستگی می‌گه دو مجموعه عدد با هم تغییر می‌کنن؛ برای ادعای علت باید دلیل و شواهد جدا داشته باشی.

سؤال‌های رایج

پس همبستگی بالا چی رو ثابت می‌کنه؟

فقط می‌گه در این داده‌ها، دو متغیر با هم الگوی خطی قوی‌تری دارن. به‌تنهایی علت، جهت اثر یا وجود عامل سوم رو مشخص نمی‌کنه.

چرا وقتی عامل مشترک صفره، همبستگی دقیقاً صفر نیست؟

چون اینجا فقط ۳۰ جفت عدد تصادفی داری. نمونه‌های مستقل ممکنه بر اثر شانس کمی با هم بالا و پایین بشن، حتی وقتی عامل مشترکی وجود نداره.

چرا در قدرت یک، ضریب به یک می‌رسه؟

چون در این مدل نویز مستقل حذف می‌شه و هر دو اندازه‌گیری از همون مقدار مشترک ساخته می‌شن؛ نقطه‌ها روی یک خط راست می‌افتن.

گزینهٔ نمایش عامل چه چیزی رو روشن می‌کنه؟

در این نسخه، روشن یا خاموش‌کردنش نتیجه و نمودار رو عوض نمی‌کنه؛ عامل مشترک جداگانه روی نمودار رسم نشده.