Una correlación muestral nula no significa necesariamente que no exista una relación lineal - página 8
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
En todas partes donde leo, dicen que una correlación muestral cero significa que no hay una relación lineal (normalmente se olvida la palabra lineal) en esa muestra.
Aunque sólo sea de forma simplificada, entonces sí, eso es lo que dice. Y eso es, en general, correcto. Y las sutilezas no sirven para el público en general.
hrenfx:
Ejemplo de dos gráficos con MO cero, varianza uno y correlación cero. Es decir, la correlación en este caso es la suma de los productos de los términos de la PA dividida por la longitud de la PA.
Aquí están mis gráficos. Estos son los datos.
Y aquí está Pearson, calculado trivialmente en Excel. Con una advertencia, los cálculos se hicieron en una ventana deslizante.
Como puedes ver, en la más cruda aproximación, el coeficiente varía con el tiempo. Me parece que fuiste tú, quien señalé antes, que hay problemas de estacionariedad en las series temporales de precios. Y sobre la necesidad de tener cuidado al utilizar métodos estadísticos no diseñados para datos no estacionarios. (Aunque el problema aquí es algo más complejo que la no estacionariedad).
hrenfx:
De hecho, siempre existe una relación lineal entre dos variables aleatorias cualesquiera en una muestra finita.
Tenga cuidado al interpretar las correlaciones cercanas a cero.
De hecho, es en estas dos series donde existe una relación lineal entre dos variables aleatorias. Puede que no esté en los otros. Esa es una. Dos, el coeficiente, como cualquier estimación decente de una variable aleatoria, tiene un área de confianza. De todos modos, tus sentimientos no importan.
En general, ten cuidado con lo que dices sobre las cosas que no entiendes del todo.
Como puede verse, en la más cruda aproximación, el coeficiente varía con el tiempo.
Esto es obvio. Además, la dinámica del coeficiente dependerá del tamaño de la ventana deslizante.
Creo que fue a ti a quien ya señalé los problemas de estacionariedad en los precios de las series temporales. Y sobre la necesidad de tener cuidado al utilizar métodos estadísticos no diseñados para datos no estacionarios.
No se utiliza ningún método estadístico. La no estacionariedad no tiene nada que ver.
De hecho, existe una relación lineal entre las dos variables aleatorias de esas dos series. Puede que no exista en los demás. Esa es una. Dos, el coeficiente, como cualquier estimación decente de una variable aleatoria, tiene un área de confianza. De todos modos, tus frases no tienen ningún sentido.
¿Cómo entiendes la correlación lineal? Ya he escrito que en un sentido académico es una medida del ángulo entre vectores. Y esa es una mala definición cuando se trata de la interconexión.
No hay relación lineal sólo cuando la varianza de uno de los vectores es cero. En todos los demás casos existe una relación.
Y una vez más, estamos hablando de estimaciones sobre muestras, no de PA teóricas infinitas.
Esto es obvio. También lo es el hecho de que la dinámica del coeficiente dependerá del tamaño de la ventana deslizante.
Por lo que has escrito y dibujado aquí, no he visto que sea así. Se trata de la obviedad. Pues bien, entender el significado de la estacionariedad no es tan sencillo como se pretende hacer ver, por el tamaño de la ventana.
No se utiliza ningún método estadístico. La no estacionariedad no tiene nada que ver.
En realidad, el coeficiente de correlación pertenece a una sección de la estadística matemática llamada análisis de correlación. Y fue inventado por estadísticos matemáticos. Por tanto, en cuanto se intenta calcular un coeficiente de correlación, se utilizan automáticamente métodos estadísticos. Y hay que tener en cuenta todas las limitaciones de esos métodos.
¿Cómo se entiende la relación lineal? Ya he escrito que en un sentido académico es una medida del ángulo entre vectores. Y es una mala definición cuando se trata de la interconexión.
No hay relación lineal sólo cuando la varianza de uno de los vectores es cero. En todos los demás casos existe una relación.
Y una vez más, estamos hablando de estimaciones sobre muestras, no de PA teóricas infinitas.
No exactamente así. Y ya se ha explicado por qué no. En estadística, bajo ciertas condiciones, el coeficiente =0 y el coeficiente =0,7 pueden significar lo mismo: ninguna o débil conexión.
Por lo que has escrito y dibujado aquí, no he visto que sea así. Se trata de la obviedad. Pues bien, entender el significado de la estacionariedad no es tan sencillo como se pretende hacer ver, a través del tamaño de la ventana.
Por alguna razón, me lo estás inventando. No voy a utilizar un término que no entiendo. Y una definición que desconozco.
En realidad, el coeficiente de correlación pertenece a una sección de la estadística matemática denominada análisis de correlación. Y fue inventado por estadísticos matemáticos. Por eso, en cuanto se intenta calcular el coeficiente de correlación, se utilizan automáticamente métodos estadísticos. Y hay que tener en cuenta todas las limitaciones de esos métodos.
También está familiarizado con el análisis de correlación y regresión. No utilizo ningún método estadístico. Considero que el coeficiente de correlación es lo más sencillo que se te ocurre cuando necesitas estimar una relación. Esto es a nivel escolar. Y sin conocimiento de Pearson, llegué a eso casi tan pronto como pensé en las correlaciones.
La verdad es que no. Y ya se ha explicado por qué no. En estadística, en determinadas condiciones, el coeficiente =0 y el coeficiente =0,7 pueden significar lo mismo: la ausencia o la debilidad de una relación.
Mi conclusión es que la correlación (coeficiente de Pearson) es una mierda de indicador de una relación lineal en una muestra. No sólo no muestra una correlación directa, sino que además miente.
¿Llamas a esto una crítica al coeficiente de Pearson? Estoy criticando a los inteligentes que lo malinterpretan hablando de la presencia/ausencia de una relación, y ni siquiera entienden lo que es una relación lineal.
Hablando de la incoherencia de mis métodos, al menos mencionarías uno. Los métodos de Pearson no se han discutido en este hilo.
Además, no he leído ningún libro de estadística matemática. Se estudió el análisis de correlación y regresión, cuando todo ese simple conjunto de herramientas escritas por matemáticos en un lenguaje complicado ya era funcional en mi MQL4. Y no hace falta ser un experto para entender el 90% de lo que se escribe en los libros sobre correlación y regresión. Me refiero a la parte práctica, no a la teórica que ocupa la mayor parte de los libros.
¿Llamas a esto una crítica al coeficiente de Pearson? Estoy criticando a los inteligentes que lo malinterpretan al hablar de la presencia/ausencia de una relación, y ni siquiera entienden lo que es una relación lineal.
Sí. Es más, está criticando a C. Pearson de forma descarada. Escriba con más claridad para que quede claro para todos qué es exactamente lo que está cuestionando.
hrenfx:
Hablando de la incoherencia de mis métodos, deberías mencionar al menos uno. Los métodos de Pearson no se han discutido en este hilo.
El coeficiente de correlación lineal por pares es el que se refiere.
Y en cuanto a los métodos, tienes resultados sorprendentes en tu topicstart. Y al señalarles con el dedo sacas conclusiones sorprendentes. Me niego a entender cómo se puede considerar, excepto como un fracaso de sus métodos.
hrenfx:
Además, no he leído ningún libro de estadística matemática.
Dale mis saludos a Mitrofanushka.
hrenfx:
He aprendido el análisis de correlación y regresión cuando todas esas herramientas simples, escritas por matemáticos en un lenguaje complicado, ya eran funcionales en mi MQL4. Y no hace falta ser un experto para entender el 90% de lo que se escribe en los libros sobre correlación y regresión. Me refiero a la parte práctica, no a la teórica que ocupa la mayor parte de los libros.
Lo que has mostrado aquí - muestra claramente que no has estudiado nada adecuadamente. Las fórmulas en la sección de correlación Pearson realmente no es difícil, pero el hecho de que usted es capaz de añadir cifras en las fórmulas, que en absoluto significa que usted es capaz de utilizar el mat.apparatus dado correctamente. Y tu razonamiento demuestra que hay algo que no entiendes.
¿Llamas a esto una crítica al coeficiente de Pearson? Estoy criticando a los inteligentes que lo malinterpretan hablando de la presencia/ausencia de una relación, y ni siquiera entienden lo que es una relación lineal.
...
¿No crees honestamente que ninguno de presente aquí en un foro durante unos 5-8 años, nunca adivinó para construir CC, que nadie oyó hablar de Pearson e incluso si se oye, no puede programar (calcular), etc.
Pues escuchad (leed), aquí en este hilo ya lo han comprobado muchos. Y te hablan de lo mismo, con diferentes palabras, pero intentan explicar algo. Sí, yo también he discutido últimamente con frecuencia con HideYourRichess, pero puedo asegurar que es muy competente y experto en su trabajo. Como casi todos los que aquí marcó la rama. Sí, podemos no estar de acuerdo en los puntos de vista, pero una conversación respetuosa ayuda a adquirir conocimientos, a veces si los contrincantes están atentos el uno al otro, en una discusión nace la verdad...
Me parece que quiere explorar (construir) algo, pero no puede explicarlo de ninguna manera. Mucha gente no te entiende, utilizas términos comúnmente conocidos para explicar, pero los utilizas de forma equivocada. Intenta explicarlo con fórmulas. Escríbalo de forma comprensible. Y explique qué y cómo quiere calcular o hacer calcular.
No enfades a Dios (aunque no crea en él) pero acusar indiscriminadamente a todo el mundo de que usa mal Pearson, lo calcula, no lo entiende, es demasiado presuntuoso...
hrenfx, no lo entiendo, ¿has leído demasiados libros?
Qué demonios es el logaritmo, qué cubos y kilogramos????? ¿Qué otra "interpretación" del coeficiente de correlación que la conocida desde hace cien años? Mi consejo es que primero duermas un poco y luego empieces a aprender las matemáticas desde cero. Privalov escribió un guión, los resultados son consistentes con los de Matkad. Escribí el guión sin mirar los otros, y comparé los resultados - son los mismos que los de Beer y Matkad. Ciento cincuenta personas ya han escrito este control de calidad ciento cincuenta veces, y todos los resultados son los mismos. Entonces, ¿por qué todo el mundo se apresura a reescribir sus programas, al descubrir de repente que alguien tiene su propia interpretación del control de calidad de Pearson?
.........
Si la muestra parece pequeña, tomemos algo más grande de la tabla de correlación:
.........