পিয়ারসন পারস্পরিক সম্পর্ক ক্যালকুলেটর
পিয়ারসন পারস্পরিক সম্পর্ক সহগ গণনা করতে আপনার ডেটা পয়েন্ট লিখুন। আপনার ব্রাউজারে অবিলম্বে r, r-squared, p-মান, এবং ধাপে ধাপে সমাধান পান।
পিয়ারসন পারস্পরিক সম্পর্ক ক্যালকুলেটর
পিয়ারসন পারস্পরিক সম্পর্ক সহগ গণনা করতে আপনার ডেটা পয়েন্ট লিখুন। আপনার ব্রাউজারে অবিলম্বে r, r-squared, p-মান, এবং ধাপে ধাপে সমাধান পান।
আপনার ডেটা পয়েন্ট লিখুন
| # | এক্স মান | Y মান |
|---|
ফলাফল
পিয়ারসন পারস্পরিক সম্পর্ক (আর)
আর-বর্গ (r²)
পি-মান
রিগ্রেশন ঢাল (r থেকে)
শক্তি
দিকনির্দেশনা
মাধ্যমিক দেব। X (sₓ) এর
মাধ্যমিক দেব। Y (sᵧ) এর
X এর গড়
Y এর গড়
সহবাস
ডেটা পয়েন্ট (n)
মনে রাখবেন: পারস্পরিক সম্পর্ক কার্যকারণকে বোঝায় না। একটি উল্লেখযোগ্য পারস্পরিক সম্পর্ক শুধুমাত্র সংযোগ নির্দেশ করে, এমন নয় যে একটি পরিবর্তনশীল অন্যটি ঘটায়।
ধাপে ধাপে সমাধান
এটি কীভাবে ব্যবহার করবেন পিয়ারসন পারস্পরিক সম্পর্ক ক্যালকুলেটর
Relationship Strength
Measure how closely two variables move together using the 'r' coefficient.
পরিসংখ্যানগত আউটপুট
Get the correlation coefficient (r), coefficient of determination (r²), and p-value.
Significance Testing
Determine if the observed relationship is statistically significant or due to chance.
Pearson correlation ranges from -1 to 1. A value of 0 indicates no linear relationship.
পিয়ারসন পারস্পরিক সম্পর্ক সহগ কি?
📐 পিয়ারসন পারস্পরিক সম্পর্ক সহগ (r) দুটি ক্রমাগত চলকের মধ্যে রৈখিক সম্পর্কের শক্তি এবং দিক পরিমাপ করে। এটি −1 (পারফেক্ট নেগেটিভ পারস্পরিক সম্পর্ক) থেকে +1 (পারফেক্ট ইতিবাচক পারস্পরিক সম্পর্ক), যার সাথে 0 কোনো রৈখিক সম্পর্ক নির্দেশ করে না।
📊 রিগ্রেশনের বিপরীতে, যা একটি ভেরিয়েবল থেকে আরেকটি ভেরিয়েবলের পূর্বাভাস দেয়, পারস্পরিক সম্পর্ক সহজভাবে পরিমাপ করে যে দুটি পরিবর্তনশীল কতটা ঘনিষ্ঠভাবে চলে। ব্রিটিশ পরিসংখ্যানবিদ কার্ল পিয়ার্সন-এর নামে নামকরণ করা হয়েছে যিনি 1890-এর দশকে আধুনিক ফর্মুলেশন তৈরি করেছিলেন, বংশগত অধ্যয়নের রিগ্রেশন এবং পারস্পরিক সম্পর্কের উপর ফ্রান্সিস গাল্টন-এর পূর্ববর্তী কাজের উপর ভিত্তি করে, পিয়ারসন আর পরিসংখ্যানে অ্যাসোসিয়েশনের সবচেয়ে বহুল ব্যবহৃত পরিমাপ হিসাবে রয়ে গেছে — এটির দ্বিপাক্ষিকতা রয়েছে। কোন ইউনিট নেই — যা সম্পূর্ণ ভিন্ন স্কেলে পরিমাপ করা বিভিন্ন ভেরিয়েবল জুড়ে সম্পর্ক তুলনা করার জন্য এটি সুবিধাজনক করে তোলে। যখন r +1 এর কাছাকাছি থাকে, তখন দুটি ভেরিয়েবল কাছাকাছি-নিখুঁত লকস্টেপে একসাথে বৃদ্ধি পায়; যখন r −1-এর কাছাকাছি থাকে, একটি চলক অন্যটি পড়ার সাথে সাথে বেড়ে যায়; এবং যখন r 0 এর কাছাকাছি থাকে, তখন সামান্য থেকে কোন লিনিয়ার অ্যাসোসিয়েশন থাকে না৷
📐 গুরুত্বপূর্ণভাবে, r শুধুমাত্র রৈখিক সম্পর্ক ক্যাপচার করে — দুটি ভেরিয়েবলের একটি শক্তিশালী অরৈখিক সম্পর্ক থাকতে পারে (যেমন একটি U-আকৃতি) এবং তারপরও r ≈ ০ পাওয়া যায়৷ এই কারণে, pnumer মানের আগে সর্বদা একটি স্কয়ারের মান পরীক্ষা করে দেখুন৷ r বর্গাকার পারস্পরিক সম্পর্ক r² (রেগ্রেশনে ব্যবহৃত হলে নির্ণয়ের সহগ বলা হয়) আপনাকে দুটি ভেরিয়েবলের মধ্যে ভাগ করা প্রকরণের অনুপাত বলে: যদি r = 0.8 হয়, তাহলে r² = 0.64, যার অর্থ একটি চলকের পরিবর্তনশীলতার 64% রৈখিকভাবে P'r>
অন্যের জন্য হিসাব করা যেতে পারে। প্রতিসম, যার অর্থ r(X,Y) = r(Y,X) — আপনি উচ্চতা বা ওজনকে প্রথম পরিবর্তনশীল হিসাবে বিবেচনা করুন না কেন উচ্চতা এবং ওজনের মধ্যে সম্পর্ক একই। এই প্রতিসাম্যটি রিগ্রেশন থেকে পারস্পরিক সম্পর্ককে আলাদা করে, যেখানে X-এর উপর Y রিগ্রেশন করলে Y-এ X রিগ্রেশন করা থেকে একটি ভিন্ন রেখা তৈরি হয় (যদি না r = ±1 হয়)। জনসংখ্যার প্যারামিটারটি ρ (rho) চিহ্নিত করা হয়, এবং নমুনা পরিসংখ্যান r হল ρ-এর একটি অনুমান।
📊 নমুনার আকার বৃদ্ধির সাথে সাথে, r প্রকৃত জনসংখ্যার পারস্পরিক সম্পর্কের দিকে একত্রিত হয়, বড় নমুনাগুলিকে অ্যাসোসিয়েশনের শক্তি অনুমানের জন্য আরও নির্ভরযোগ্য করে তোলে।