MATEMATIK S / ML
Huraian
(a) memahami konsep korelasi dan hubungan nilainya
dengan gambar rajah serakan;
(b) menghitung dan mentafsirkan pekali korelasi Pearson
(c)
(d)
(e)
(f)
(g)
2.
5.
Pekali Korelasi
6.
Gambar
rajah
sebaran
hanya
dapat
menunjukkan sama ada terwujudnya hubungan
linear antara 2 pembolehubah, tetapi ia tidak
dapat mengukur kekuatan hubungan linear ini.
Bagi tujuan mengukur kekuatan korelasi, pekali
korelasi berikut akan digunakan:
(a) Pekali korelasi Pearson(momen hasil
darab(r) )
(b) Pekali korelasi pangkat Spearman( )
(c) Pekali korelasi Kendall-Tau( )
7.
(b) Korelasi
Linear Yang
Negatif
(Kecerunan
Y Negatif)
X
3.
4.
8.
di mana
kov(X,Y) = E(XY) E(X) E(Y)
Var(X) = E(X2) [ E(X) ]2
Var(Y) = E(Y2) [ E(Y) ]2
Kov(X,Y) dibaca sebagai koverans
antara x dan y
Pekali korelasi Pearson adalah terletak dalam
selang [ 1 , 1 ], iaitu 1 r 1
By KKH
(a) r = 1, Korelasi
linear positif yg
sempurna
2
Y
(b) r = 0.95
Korelasi linear
positif yg kuat
MATEMATIK S / ML
Contoh 1
X
(c ) r = 0.55, korelasi
linear positif yg
sederhana kuat
E(X
E (XY ) E ( X ) E (Y )
2
) E ( X) 2 E (Y 2 ) E ( Y) 2
Var ( X )Var (Y )
) E ( X) 2 E (Y 2 ) E ( Y) 2
r=
(g ) r = -0.55, korelasi
linear negatif yg
sederhana kuat
kov ( X ,Y )
E(X
kovarians X dan Y,
Kov(X,Y) = E{[X-E(X)] [Y- E(Y) ]}
= E[ XY XE(Y) YE(X) + E(X)E(Y)]
= E(XY)E(X) E(Y) - E(Y) E(X) +
E(X)E(Y)
= E(XY) E(X) E(Y)
Var(X) = E(X2) [E(X)]2
Var(Y) = E(Y2) [E(Y)]2
Pekali Korelasi Pearson,
=
E (XY ) E ( X ) E (Y )
(e) r =- 1,Korelasi
linear negatif yg
sempurna
9.
Contoh 2
(i) r = 0, Tiada
Korelasi
(j) r = 0 Tiada
Korelasi
SXY =
xy
n
1
xy
xy
di mana
SXY = Kov(X, Y) = (x x )(y y )
SYY = ( y y )2 dan SXX = (x x )2
x2
Varians X, Var(X) =
Var(X) =
Varians Y, Var(Y) =
SX Y
SXX SYY
atau
x 2 atau
x2
y2
n
- y
x 2
n
atau
By KKH
Var(Y) =
y2
y 2
Contoh 5
xy
n
r=
r=
xy
atau
x 2 x 2 y 2 y 2
n
n xy
xy
2
2
n x2 x n y 2 y
MATEMATIK S / ML
Contoh 3
Tentukan pekali korelasi bagi data berikut kemudian
berikan komen bagi jawapan anda
x 20 30 40 46 54 60 80 88
92
y 54 60 54 62 68 80 66 80 100
[J:0.8237 ; korelasi linear positif yang kuat]
Contoh 4
Sepuluh sampel tanah dikorekkan dari kedalaman D
meter di bawah tanah di satu kawasan. Kelembapan
M gram air dalam setiap 100 gram sampel
ditentukan dan keputusan diikhtisarkan seperti
berikut:
M = 200 M2 = 4904 D = 150
D2 = 2602 MD = 2900
Tentukan pekali korelasi bagi maklumat ini.
[-0.177]
u2
v2
uv
0.0045
0.0050
0.0055
0.0060
0.0070
0.0035
0.32
-1
0
0.34
0
1
0.54
1
0.32
0.66
0.38
x a
y c
(a) Jika u =
dan v =
. Nyatakan
b
d
nilai-nilai bagi a, b, c dan d, dan seterusnya
salin dan lengkapkan jadual atas.
c)
Tentukan pekali korelasi dengan kaedah
pengkodan.
1
1
[ a=0.0050,b =
, c= 0.32, d =
;
2000
50
r=0.6296]
Garis Regresi
13. Pekali korelasi dapat menyukat kekuatan
hubungan linear antara 2 pembolehubah. Jika
hubungan antara kedua-dua pembolehubah
adalah kuat, maka satu garis lurus dapat dilukis
atas gambar rajah sebaran itu. Garis ini
dinamakan garis regresi. Persamaan garis itu
kemudian boleh ditentukan daripada graf.
14. Garis regresi ini boleh digunakan untuk
meramalkan nilai pemboleh ubah bersandar jika
nilai pemboleh ubah tidak bersandar diberitahu.
r=
uv
u2
uv
( u ) 2
n
v2
u 2
n
By KKH
MATEMATIK S / ML
x
y =A+ B x
di mana
A = pintasan pada paksi-y
B = kecerunan graf
y
adalah
pembolehubah
bersandar, manakala x adalah
pembolehubah
tak
bersandar(merdeka).
Takrifan Garis Regresi:
Garis regresi merupakan sukatan
perhubungan
antara
satu
pembolehubah
rawak
bersandar
dengan satu atau lebih pembolehubah
rawak yang merdeka. Biasanya
hubungaan ini dirumuskan sebagai
satu persamaan yang boleh digunakan
untuk membuat ramalan.
Contoh 6
Jadual berikut menunjukkan markah peperiksaan
bagi matapelajaran Statistik dan Mekanik.
Statistik
Mekanik
73
13
64
27
90
36
83
15
35
57
10
76
12
83
10
39
86
42
39
18
(a) Plotkan data ini dalam satu gambar rajah
serakan
(b) Cocokkan dengan pandangan mata garis
regresi.
(c) Nyatakan koordinat satu titik di mana garis
regresi ini mesti melalui.
(d) Jika Y mewakili markah mekanik dan X ialah
markah Statistik. Dengan menggunakan graf
anda dapatkan pers. garis regresi Y = + X.
(e) Nyatakan selang nilai X supaya garis regresi
adalah sah.
(f) Jika markah Statistik adalah 60, anggarkan
markah mekanik .
(g) Adakah garis ini sesuai untuk menganggarkan
markah
mekanik
jika
markah
statistik
adalah120. Berikan alasan kepada jawapan
anda.
All rights reserved
By KKH
MATEMATIK S / ML
x atas y
C
A
Garis regresi
y atas x
M2
M1
D
B
a1 x
x2
a2
Y
x atas y
y atas
x
17. Perhatian:
(a) Kedua-dua garis regresi y atas x dan x
atas y mesti melalui titik ( x , y ).
(b) Nilai-nilai pekali korelasi apabila garis
regresi y atas x secaman dengan garis
regresi x atas y ialah r = -1 dan + 1.
By KKH
r=1
g a r is r e g r e s i y
a ta s x s e c a m a n
d e n g a n g a r is
r e g r e s i x a ta s y
X
b)
MATEMATIK S / ML
Contoh 7
Gunakan data dalam contoh 17, jawab soalan
berikut
(a) Dalam gambar rajah yang sama dengan Contoh
17; cocokkan garis regresi x atas y. Camkan
setiap garis dengan jelas.
(b) Nyatakan koordinat di mana garis regresi y atas
x dan x atas y mesti melalui.
(c) Tentukan persamaan garis regresi x atas y
dalam bentuk x = C + Dy
(d) (i) Jika x = 50, cari y.
(ii) Jika y = 40 cari x.
x atas y
y atas x
X
c)
x atas y
y atas x
X
d)
x atas y
y atas x
X
e)
d
( d i2 ) = 0
dA
2( A B x y ) = 0
A + Bx - y = 0
Apabila
garis regresi y atas x adalah
secaman dengan x atas y
y = B x + nA
X
22. Dengan
menganggapkan
B
sebagai
pembolehubah dan A, x dan y sebagai pemalar.
d
( d i2 ) =
dA
2(A Bx y)( x )
=
(A x Bx
All rights reserved
x y)
By KKH
d
( d i2 ) = 0
dA
Apabila
MATEMATIK S / ML
e)
2 ( A x B x2 x y ) = 0
2
xy = B x2 + Ax
23. Persamaan-persamaan (1) dan (2) dinamakan
persmaan-persamaan normal y atas x.
24. Garis regresi Y atas X digunakan untuk
menganggar nilai Y apabila nilai X diberitahu.
Contoh 8
Dengan menggunakan pers. normal y atas x
hitungkan pers. garis regresi bagi set data berikut.
x
5
8
10 11 12 14 15 18
y 42 38 30 35 32 34 29 30
Anggarkan nilai y apabila x = 14.5.
Contoh 9
Contoh 10
Gunakan kaedah kuasa dua terkecil untuk menentu
pers. garis regresi bagi markah matematik M
terhadap Indeks Kebijaksanaan(Q) bagi 10 orang
pelajar .Gunakan garis regresi ini untuk
menganggar markah matematik bagi seorang
penuntut yang Indeks Kebijaksanaannya ialah 115.
Maklumat bagi M dan Q diikhtisarkan seperti
berikut:
M = 438; M2= 25454 ; MQ = 55081
Q = 1093; Q2 = 134273.
Contoh 11
SXY
B=
,
SXX
i 1
i 1
di mana
x i 1 ,
yi 2 ,
x i yi 10
i 1
,
d
Q1
d2
i 1
Rajah
0
Raja
d1 h 0
P1(x1,y1)
x i2 9 .
(x , y )
R1
SXY
xy
Sxx x 2
xy
n
( x ) 2
n
dan
(x1 , y1)
(x2 , y2)
y y
S XY
(xx )
S XX
Perhatian:
Garis regresi y = A + Bx
a)
B dikenali sebagai pekali regresi y atas x
atau pekali regresi.
b)
X adalah pemboleh ubah takbersandar
c)
Y adalah pembolehubah bersandar
d)
A adalah pintasan paksi-y dan ia boleh
digunakan untuk menerangkan nilai purata y
apabila x = 0.
All rights reserved
S XY
(ySYY
S XY
S XX
S XY
SYY
S XY
r =
2
S xy
=> r =
S XX SYY
S XX SYY
di mana r ialah pekali penentuan
BD
y=a+
y = ab
y=ax
a)
1
x
lg y = lg a + x lg b
Plotkan graf lg y lawan x
lg y = lg a + b lg x
Plotkan graf lg y lawan lg x
Contoh 16
Model y = ab X hendak dicocokkan dgn.
pasangan nilai (x,y) yang berikut.
x
1
2
3
4
5
y
3.1
4.4
6.9
9.9
15.3
(a) Jelmakan model ini meniadi bentuk linear
dan gunakan kaedah kuasa dua terkecil
untuk mencocokkan model linear ini dgn.
data di atas.
(b) Pamerkan garis ini di atas kertas graf.
(c) Beri satu taksiran antara hubungan x dan y
(d) Cari pekali korelasi pangkat Spearman.Beri
satu komen tentang keputusan anda.
Contoh 17
Contoh 14
1
10
b
x
x
y
r=
BD
y = ax + b
= BD
Contoh 15
x-
a)
b)
Kaedah Pengkodan
S XY
.
SYY
a)Pekali regresi D =
MATEMATIK S / ML
2
14
4
12
6
13
7
15
8
12
10
13
MATEMATIK S / ML
20
0.30
25
0.22
30
0.18
35
0.16
40
0.14
45
0.11
P dan V dipercayai mempunyai hubungan
b
P = a
di mana a dan b adalah
V
pemalar-pemalar.
(a) Gunakan kaedah kuasa dua terkecil untuk
menganggar a dan b.
(b) Lukiskan garis ini pada kertas graf.
(c) Tentukan nilai tekanan gas apabila isipadu
adalah 0.20.
By KKH