相関(PMCC) | Equation, Derivation and Rearrangements

Core idea

Overview

相関(PMCC)について、主要な入力値と式の関係を整理し、計算結果の意味を解釈するための説明です。条件、単位、前提を確認しながら使うことで、結果を比較、判断、見積もり、リスク確認に結びつけやすくなります。必要に応じて値を変え、結果の変化も確認してください。

When to use: 相関(PMCC)は、与えられた値から必要な結果を求めたいときに使います。入力の単位、範囲、前提条件を確認してから代入し、計算結果を現実の条件や問題文の目的と照らし合わせてください。

Why it matters: 相関(PMCC)の結果は、数値を比較し、傾向、制約、リスク、設計上の判断を説明するために役立ちます。答えを単独の数値として扱わず、条件が変わったときの意味や妥当性も確認できます。

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

式：積率相関係数（PMCC）

ピアソンのPMCC rは、2変数間の線形関係の強さと方向を測定し、-1から1の範囲をとります。

関係はおおよそ線形である。

1

要約統計量の定義：

xとyの交差偏差和と平方和を計算します。

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の式を述べる：

共分散のような尺度を広がりの積で割り、結果を標準化する。

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

Note: r=1は完全な正の線形相関、r=-1は完全な負の線形相関、r=0は線形相関なしを意味する。

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

データ点の散布図を想像してください。PMCCは、これらの点が直線の周りにどれだけ密集しているか、およびその直線が上向き（正の相関）か下向き（負の相関）かを定量化します。

r

2変数間の線形関係の強さと方向を標準化した尺度。

範囲は-1（完全な負の線形相関）から+1（完全な正の線形相関）までであり、0は線形相関がないことを示す。

S_{x y}

各変数の平均からの偏差の積の和。

変数が一緒に増加/減少する傾向（正）か、反対方向に動く傾向（負）かを示す。

S_{xx}

x変数の平均からの二乗偏差の和。

x変数データ内の全変動または広がりを表す。

S_{y y}

y変数の平均からの二乗偏差の和。

y変数データ内の全変動または広がりを表す。

S_{xx} S_{y y}

xとyの個々の変動性から導出される正規化係数。

共分散のような項（S_xy）をスケーリングし、相関係数'r'が常に-1と+1の間になるようにし、無次元の尺度にする。

Signs and relationships

S_{xy}: S_xyの符号が直接'r'の符号を決定します。正のS_xyは、一方の変数が増加するともう一方も増加する傾向（正の相関）を示します。
√(S_{xx)S_{yy}}: この項は常に正です。なぜなら、S_xxとS_yyは平方和であり、非負だからです。これはスケーリング係数として機能し、'r'の絶対値が1を超えないことを保証し、それによって線形関係の尺度を標準化します。

Free study cues

Insight

Canonical usage

ピアソンの積率相関係数（PMCC）は無次元の統計尺度であり、2つの変数間の線形関係の強さと方向を定量化するために使用され、値として報告されます。

Dimension note

ピアソンの積率相関係数（PMCC）は、2つの変数の共分散を、それぞれの標準偏差の積で割った比です。

One free problem

Practice Problem

次の条件を使って、相関(PMCC)を求めてください。必要な値を式に代入し、単位と桁数を確認して答えてください。条件: 45, 25, 100。

Hint: 相関(PMCC)の式に既知の値を代入し、単位、符号、分母と分子の対応を確認しながら計算してください。問題文で与えられた条件を先に整理すると解きやすくなります。

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

相関(PMCC)は、実務、学習、分析の場面で具体的な値を代入して結果を確認するときに使えます。計算結果を単なる数値として扱うのではなく、条件の比較、判断、見積もり、リスク確認に結びつけて解釈するのに役立ちます。

Study smarter

Tips

線形傾向が存在することを確認するため、まず散布図でデータを可視化してください。
外れ値は r の値を大きく膨らませたり小さくしたりするため、注意してください。
相関がゼロであることは線形関係がないことを意味しますが、非線形関係は存在する可能性があります。

Avoid these traps

Common Mistakes

相関と因果関係を混同してしまうこと。
r > 1（計算ミス）。

Common questions

Frequently Asked Questions

ピアソンのPMCC rは、2変数間の線形関係の強さと方向を測定し、-1から1の範囲をとります。

相関(PMCC)は、与えられた値から必要な結果を求めたいときに使います。入力の単位、範囲、前提条件を確認してから代入し、計算結果を現実の条件や問題文の目的と照らし合わせてください。

相関(PMCC)の結果は、数値を比較し、傾向、制約、リスク、設計上の判断を説明するために役立ちます。答えを単独の数値として扱わず、条件が変わったときの意味や妥当性も確認できます。

相関と因果関係を混同してしまうこと。 r > 1（計算ミス）。

相関(PMCC)は、実務、学習、分析の場面で具体的な値を代入して結果を確認するときに使えます。計算結果を単なる数値として扱うのではなく、条件の比較、判断、見積もり、リスク確認に結びつけて解釈するのに役立ちます。

線形傾向が存在することを確認するため、まず散布図でデータを可視化してください。外れ値は r の値を大きく膨らませたり小さくしたりするため、注意してください。相関がゼロであることは線形関係がないことを意味しますが、非線形関係は存在する可能性があります。

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)