統計與生活 第七單元：兩個變數之關係 授課教師：國立臺灣大學數學系 陳 宏 教授

Presentation on theme: "統計與生活 第七單元：兩個變數之關係 授課教師：國立臺灣大學數學系 陳 宏 教授"— Presentation transcript:

1 統計與生活 第七單元：兩個變數之關係 授課教師：國立臺灣大學數學系 陳 宏 教授
【本著作除另有註明外，採取創用CC「姓名標示－非商業性－相同方式分享」臺灣3.0版授權釋出】

2 目錄 散布圖 相關係數 迴歸直線 隱藏變數 實際應用

3 體重-身高散佈圖(接近ㄧ直線嗎?) 國高中的經驗y=gt2/2或 log y =log(g/2)+2log t
Statistical Thinking 體重-身高散佈圖(接近ㄧ直線嗎?) 國高中的經驗y=gt2/2或 log y =log(g/2)+2log t Chapter 14

4 變數增加了…怎麼辦? 前兩章學會用圖形和數字呈現資料，但都只是 描述單一個變數，如成績、平均上網時間等 如果有兩個變數該怎麼描述呢?
如果兩個變數有關係，該怎麼表達呢? 找出關係後，能不能用來預測想知的事項呢?

5 可呈現兩個變數之間關係的統計工具 散布圖(scatter plot) 相關係數(correlation coefficient)
迴歸直線(regression)

6 散布圖(scatter plot) 兩個變數：讀書時間、上網時間 收集成對的資料，在以點的方式呈現兩個變數 的關係。 繪成如下頁所示的圖

7 例子：修課學生的身高和體重

8 圖形在說什麼? 由上頁的圖可以看出身高較高的人體重相對較 重時；而身高較矮的人，體重相對越輕。
像這樣當某一變數的值會隨著另一個變數的值 增加而增加，或是當某一變數的值會隨著另一 個變數的值減少而減少我們就稱兩個變數為正 相關(positive correlation)

9 圖形在說什麼? 相同的，當某一變數的值會隨著另一個變數的 值增加而減少，或是當某一變數的值會隨著另 一個變數的值減少而增加時，我們會稱之為兩 個變數負相關(negative correlation)。 如下頁圖所示，當學生每週上網時間越多，段 考平均成績就越低，像這樣我們就會說每週上 網時間和段考平均成績成負相關。

10 例子：高三學生上網時間和段考成績

11 變數相關的方向與強度 由散布圖我們可以知道兩變數之間的關係是正向或是 負向的。
但是若要了解這樣的關係到底有多強，可以利用相關 係數(correlation coefficient)來判斷。 相關係數是用來描述兩個變數之間線性關係的強度。

12 相關係數 先求出兩個變數 x 和y 的平均數和標準差 計算出每一個 x 值和一個 y 的標準計分
最後將這些標準計分乘積總和除以資料個 數減一所得的商。

13 例子：學生身高和體重 有五位學生，他們的身高分別是152、158、165、172、180公分；體重分別是43、48、54、63、80公斤。要求身高及體重的相關係數。 先求出身高的平均數為165.4公分，標準差為11.08公分。體重的平均數為57.6公斤，標準差為14.57公斤。

14 例子：學生身高和體重 身高的標準計分是(152-165.4)/11.08=-1.209，
其他為-0.668、-0.036、0.596、1.318。 體重的標準計分是( )/14.57=-1.002， 其他為-0.659、-0.247、0.371、1.537。 r =[(-1.209)×(-1.002)+(-0.668) ×(-0.659) +(-0.036) ×(0.247)+(0.596) ×(0.371) +(1.3177) ×(1.537)]/(5-1)=0.977

15 相關係數的範圍 相關係數的範圍：在-1到+1之間 相關係數的絕對值越大： 代表兩個變數之間的相關越密切

16 正相關的性質 相關係數大 於0：代表 兩個變數之 間是正相關， 兩個變數的 變化是朝相 同的方向。

17 正相關的性質 相關係數等 於1：代表 兩個變數之 間是完全正 相關，兩個 變數的變化 在同一條直 線

18 負相關的性質 相關係數小 於0：代表 兩個變數之 間是負相關， 兩個變數的 變化是朝不 同的方向。

19 負相關的性質 相關係數等 於-1：代表 兩個變數之 間是完全負 相關，兩個 變數的變化 也在同一條 直線。

20 零相關的性質 當相關係數等於零 時，稱兩個變數之 間是零相關。也就 是說，一個變數的 高低變化，與另一 個變數的高低變化 沒有關係。

21 零相關≠無相關 相關係數是指兩 個變數之間的關 係是否有直線關 係。如右圖兩變 數間是呈現曲線 關係，但相關係 數仍為零。

22 相關係數大於零 代表兩變數之間 為正相關 若在第在第I 及 III 象限的點數 多於落在第II 及 IV 象限的點數。

23 相關係數小於零 代表兩個變數 之間是負相關。 此時落在第Ⅱ 及Ⅳ 象限的 點數大於落在 第Ⅰ及Ⅲ象限 的點數。

24 迴歸直線(regression line)
在知道兩個變數關係的強度後，還想知道他們之間有 什麼關聯，能不能由一個變數去推測另一個變數的值 呢? 在散亂的資料中找到一條直線，是離所有數據點最小 距離的直線，也就是“最靠近”所有數據點的直線， 這條直線就稱為迴歸直線。

25 例子：廣告費用與銷售量 某汽車公司想了解廣告費用(x)對銷售量(y)之 間的關係，收集過去十年的資料。
從分佈表可以直覺的看出來，廣告費用與銷 售量之間似乎有正相關，當廣告費用增加時， 銷售量也隨之增加。

26 例子：廣告費用與銷售量分布表 年份 廣告費用 x (萬元) 銷售量 y (輛) 86 400 800 87 500 1000 88 600
1150 89 720 1280 90 830 1340 91 950 1500 92 1060 1680 93 1100 1800 94 1230 2000 95 1300 2200

27 例子：廣告費用與銷售量 由散佈圖可以更清楚的表現出來兩者之間的趨勢。
從圖形中可以知道，有從左到右往上斜的趨勢，也 可以判斷出廣告費用與銷售量之間是正相關。而且 各點的分佈似乎接近一條直線。

28 例子：廣告費用與銷售量的散布圖

29 例子：廣告費用對銷售量 將這條直線找出來，並且要讓他到這些點的 距離為最小。
這條離這些點最小距離的直線，也就是說 「最靠近」這些點的直線，就稱為迴歸直線。 但要如何求得這條線呢？

30 求迴歸直線的一種方法-最小平方法 由高斯提出。 使得所有數據點離迴歸直線的鉛直距離平方總和達到 最小的直線。
計算出所有數據點到迴歸直線的垂直距離，把每一個 垂直距離平方，然後移動迴歸直線，直到垂直距離總 和的值達到最小為止。

31 最小平方法求迴歸直線

32 例子：廣告費用對銷售量的迴歸直線 上述廣告費用與銷售量 之間的例子，利用最小 平方法求得的迴歸直線 為y=1.425x+237。
其中x表示廣告費用（萬 元）、y表示銷售量 （輛)。

33 從迴歸直線可以知道… 廣告費用與銷售量之間存在正相關，與從散佈 圖表現出來兩者之間的相關是一樣的。
廣告費用與銷售量之間存在正相關，與從散佈 圖表現出來兩者之間的相關是一樣的。 每增加1 萬元的廣告費用，銷售量將會增加 輛。 如果下年度廣告費用的預算是1,400萬，我們可 以經由迴歸直線預測下年度的銷售量大約是 × =2232輛。

34 想一想 迴歸直線y=1.425x+237 那麼是不是不花任何費用也可售出237輛車 子

35 相關係數 VS 迴歸直線 相關係數主要為描述兩個變數之間線性關係的強度。
迴歸直線則是利用一個方程式來表示兩個變數之間 的線性關係，在此基礎上，進一步來探討變數之間 的預測方法。 兩者都可以判斷兩個變數之間是否存在著線性關係， 但是只有迴歸直線有預測的功用，這是他們不同的 地方。

36 相關係數 VS 因果關係 即使兩個變數之間有很強的正相關，也不 一定代表其中一個變數會導致另一個變數。
也就是說無法從兩個變數之間相關係數的 大小，判斷兩個變數之間是否有因果關係。

37 隱藏變數(lurking variable)
兩個變數之間的關係，常常受到其他變數的影響，造 成兩個原本零相關的變數之相關係數不等於零，但此 時兩個變數之間並沒有因果關係。而這隱藏在背後的 變數就稱之為隱藏變數。

38 隱藏變數(lurking variable)
鄉下(農田多)→兒童英語能力較弱。 城市(農田少)→兒童英語能力較強。 結論”農田太多是造成兒童英語程度低落的主因”。 其實”教育的重視程度及教育資源分配”才是主因。

39 隱藏變數(lurking variable)
研究發現吃冰淇淋的人數增加時，溺水人數也 增加。 結論”吃冰淇淋→溺水” 其實是”夏天”→吃冰淇淋人數增加 ↘溺水人數增加

40 實例應用：來臺人數與觀光外匯收入 本實例探討來臺旅客人數 和觀光外匯收入之間的關係 由交通部觀光局網站收集 近16 年來的資料

41 實例應用：來臺人數與觀光外匯收入 年份 (民國) 來臺人數x (萬人) 觀光外匯收入 (億美元) 81 187.3327 24.49 89
37.38 82 29.43 90 43.35 83 32.10 91 45.84 84 32.86 92 29.76 85 36.36 93 40.53 86 34.02 94 49.77 87 33.72 95 51.36 88 35.71 96 52.14

42 實例應用：來臺人數與觀光外匯收入 從上頁的資料顯示，來臺旅客人數和觀光 外匯收入似乎有正相關的趨勢。
換句話說，觀光外匯收入的增加伴隨著來 臺旅客人數的增加。 為了確認來臺旅客人數和觀光外匯收入之 間的關係，我們使用散佈圖來表示。

43 散布圖：來臺人數與觀光外匯收入

44 散布圖：來臺人數與觀光外匯收入 圖形有從左到右往上斜的趨勢，因此可以確定來 臺旅客人數和觀光外匯收入之間是正相關。
接下來我們想知道來臺旅客人數和觀光外匯收入 之間的關係有多強？

45 相關係數：來臺人數與觀光外匯收入 利用相關係數來判斷兩者的關係，根據相關 係數的定義，計算出來臺旅客人數和觀光外 匯收入的相關係數為0.975。 0.975大於零，表示兩者為正相關；又相當接 近1，表示來臺旅客人數和觀光外匯收入之 間有很強的直線關係。

46 迴歸直線：來臺人數對觀光外匯收入 利用最小平方法求得的迴歸直線來判斷兩者之間 的關係。
從圖形可以知道，資料的數值離迴歸直線都很接 近，代表來臺旅客人數和觀光外匯收入之間有很 強的直線關係，這跟相關係數計算出來的結果是 一樣的。

47 迴歸直線：來臺人數對觀光外匯收入

48 預測：來臺人數對觀光外匯收入 求得的迴歸直線為 y=0.144x+0.314，其中x表示來 臺旅客人數（萬人）、y 表示觀光外匯收入（億 美元）。 從迴歸直線可以知道，每增加1 萬人的來臺旅客 人數，觀光外匯收入將會增加0.144 億美元。 如果下年度估計來臺旅客人數是400 萬人，利用 迴歸直線的預測，下年度的觀光外匯收入大概是 × =57.91 億美元。

49 想一想 迴歸直線為y=0.144x+0.314 當來台人旅客人數為0時，還會有觀光外匯收入 0.314億美元，合理嗎？

50 推估：來臺人數對觀光外匯收入 然而，有時候我們會利用y 來反推x，回歸直線 y=0.144x+0.314，經過轉換變成
假設已經知道目前的觀光外匯收入為50 億美元， 可以反推來臺旅客人數，根據迴歸直線的計算， 目前的來臺旅客人數大概是 ( )/0.144=345 萬人。

51 實例應用：門市數目與營業收入 統一超商門市數目的成長速度跟統一超商的營業收 入是否有關係？ 本實例探討門市數目與營業收入之間的關係。
想了解這兩者之間的關係，於是由統一超商網站收 集近11 年來的公開資料。

52 實例應用：門市數目與營業收入 年份(西元) 門市數目x (間) 營業收入y(億元) 1997 1588 341.9 1998 1896
419.5 1999 2248 497.2 2000 2638 574.8 2001 2908 649.9 2002 3187 721.9 2003 3470 778.6 2004 3680 809.4 2005 4037 936.7 2006 4385 999.8 2007 4705 1023.6

53 實例應用：門市數目與營業收入 就上頁的資料顯示，統一超商門市數目和營 業收入應該有正相關的趨勢。
換句話說，統一超商門市數目的增加，營業 收入也隨著增加。 為了確認統一超商門市數目和營業收入之間 的關係，我們使用散佈圖來表示。

54 散布圖：門市數目與營業收入

55 散布圖：門市數目與營業收入 由上頁的散布圖可以看出，圖形有從左到右往上 斜的趨勢，因此可以確定統一超商門市數目和營 業收入之間是正相關。
接下來我們想知道統一超商門市數目和營業收入 之間的關係有多強？

56 相關係數：門市數目與營業收入 同樣地利用相關係數來判斷，根據相關係 數的定義，計算出統一超商門市數目和營 業收入的相關係數為0.997。
0.997大於零，表示兩者為正相關；又相當 接近1，表示統一超商門市數目和營業收入 之間有很強的直線關係。

57 迴歸直線：門市數目與營業收入

58 迴歸直線：門市數目與營業收入 利用最小平方法求得的迴歸直線來判斷統一超商門 市數目和營業收入之間的關係。
從圖形可以知道，資料離迴歸直線都很接近，代表 統一超商門市數目和營業收入之間有很強的直線關 係。 與相關係數計算出來的結果是一樣的。

59 預測：門市數目與營業收入 求得的迴歸直線為y =0.228x -14.566，其中x表示門 市數目（間）、y 表示營業收入（億元）。
從迴歸直線可以知道，每增加1 間門市，營業收入 將會增加0.228 億元。 如果下年度估計統一超商門市數目是5000 間，利用 迴歸直線的預測，下年度的營業收入大概是 × = 億元。

60 想一想 迴歸直線為y=0.228x 若今天統一超商不營業了，門市數目 為0時，收入是 億元嗎？可能嗎?

61 不客觀的預測：門市數目與營業收入 估計統一超商門市數為10000 間，利用迴歸直線作預 測，營業收入大概是2265.4 億元。
然而這樣的預測是不客觀的，因為超過資料中統一 超商門市數目的範圍太多了。

62 不客觀的預測：門市數目與營業收入 統一超商門市數目達到一定數量後，市場需求應 該會呈現飽和狀態，不可能一直增加。
因此預測出來營業收入的可靠度就有待商榷。 在使用迴歸直線進行預測時，不能在X 的範圍之 外做預測，這是作預測時必須注意到的事。

63 外插法預測未必恰當 Sarah的身高與年齡 的散布圖 如想要猜測她42個 月時的身高，該如 何處理？
Statistical Thinking 外插法預測未必恰當 Sarah的身高與年齡 的散布圖 如想要猜測她42個 月時的身高，該如 何處理？ 又該如何來猜測她 30歲時的身高？ (360個月) 63 Chapter 15

64 外插法預測未必恰當 迴歸直線: y = 71.95 + 0.383 x 42個月時的身高? y = 88 cm. 30歲時身高的預測值?
Statistical Thinking 外插法預測未必恰當 迴歸直線: y = x 42個月時的身高? y = 88 cm. 30歲時身高的預測值? y = cm. 合理嗎? 64 Chapter 15

65 間歇泉(Geyser) 進一步資訊可參看 http://www.umich.edu/~gs265/geysers.html
Statistical Thinking 間歇泉(Geyser) 進一步資訊可參看 預測噴泉之時間 根據前次噴泉之「持續時間」 在誤差不超過正負十分鐘，使用的預測公式的準確 率達到90%。 研究目的： 便利遊客安排旅遊 瞭解間歇泉形成的原因 65 Chapter 15

66 Statistical Thinking 66 Chapter 15

67 Statistical Thinking 兩者間的函數關係為何？ 67 Chapter 15

68 統計發展小傳相關係數與散布圖 現代統計方法的起源之一：遺傳 Galton (1822-1911)：
Statistical Thinking 統計發展小傳相關係數與散布圖 現代統計方法的起源之一：遺傳 Galton ( )： Galton mark: 發現指紋，想出方法來辨識指紋並加以分類。 指紋又被稱為「高騰記號」 天才會不會遺傳? 資料蒐集:智慧過人而馳名的父子檔 如何準確量度智力? 身高:比較容易量測的遺傳性狀 記錄家庭成員的身高 可否由父母親的身高資料推測出孩子的身高? 定性:高個子父母親生的孩子顯然也會是高個子 定量:用雙親的身高來預測出孩子的身高 父親身高及兒子身高的相關係數約為0.5。 根據孟德爾的想法，或可視為影響兒子身高的基因，一半由父親遺傳而來。 Chapter 15

69 相關與迴歸 Regression (迴歸) to the mean 非常高的父母所生的孩子，往往比父母矮些
Statistical Thinking 相關與迴歸 Regression (迴歸) to the mean 非常高的父母所生的孩子，往往比父母矮些 非常矮的父母所生的孩子，往往比父母高些 似乎有一股力量、將人的身高從高矮兩個極端往平均值拉 此現象一定是真實的: 如果沒有這種向平均值迴歸的現象，那麼高個子父母所生的孩子，平均 值應該與父母的平均值相同，因此有些孩子的身高必須比父母還高(以 補償那些矮於父母親的孩子) 。而此一現象也會發生在下一代，所以人 惡類社會就會出現一些非常高和非常矮的人，但實際情況並不是這樣。 人類的身高似乎相當穩定，接近一個平均值。 只有Regression (迴歸) to the mean是能讓物種一代一代大致相同而維持穩 定性的現象。 數據： 父親的平均高度接近68英吋，標準差約為2.7英吋。 兒子的平均高度接近69英吋，標準差亦約為2.7英吋。 一般來說，兒子的身高約為父親身高與全體身高的平均。 Chapter 15

70 Statistical Thinking 70 Chapter 15

71 Statistical Thinking Chapter 15

72 總結 散布圖 方向與強度 相關係數 正相關、負相關、零相關的性質 迴歸直線 最小平方法、合理預測 因果關係 隱藏變數

73 圖示 規則

74 資料標準化(Standardization)
令觀察值 x 服從平均值為m ，標準差為 s 的分配， 則 x 的標準化值(standardized value)定為 標準化值又稱為 z-值(z-score) 、標準計分 （standard score）。

75 思考問題一 何謂新生兒體重分布為一鐘形曲線? 高出生體重嬰兒: 出生體重高於第90百分位。 低出生體重嬰兒:出生體重低於第10百分位。
低出生體重嬰兒患腦性麻痺的危險是同齡正常體重新生兒的4-6倍

76 思考問題二: 標準測驗的分數 What does it mean if a person’s SAT score falls at the 20th percentile for all people who took the test?

77 標準常態機率分配 給定一z值，我們可以利用標準常態表求得機率(曲 線下的區域)。

78 標準常態機率分配機率值表

79

80 標準常態表 z 0.33 - 0.44 0.44 表列數字是0右邊及z左邊的面積 z = - 0.44 未提供 0右邊及z左邊的面積
Statistical Thinking 標準常態表 z 0.33 - 0.44 0.44 表列數字是0右邊及z左邊的面積 z = 未提供 0右邊及z左邊的面積 為0.17 使用對稱性 Chapter 13

81 標準常態表實例 表列數字是0右邊及 z左邊的面積 當z = 0.44時 z左邊的面積為 0.5+0.17=0.67 z
Statistical Thinking 標準常態表實例 表列數字是0右邊及 z左邊的面積 當z = 0.44時 z左邊的面積為 =0.67 z Chapter 13

82 常態資料 例題 : 14 歲男孩之膽固醇值 X (單位mg/dl)服從常態， N(170, 302)。求膽固醇值大於240 (i.e., may need medical attention)的男孩比例？ 問題轉換：求 X > 240 的機率？ 標準化： 查表：z = 2.33，曲線下小於z的面積為0.9901，所以z > 2.33的面積為 = 。

83 Statistical Thinking 圖示例題 z 右邊的面積為0.0099 z = 2.33 Chapter 13

84 由比例求數值 例題：SAT字彙分數的分配近似N(505, 1102)，則前 10%的分數應該是多少？
問題轉換：大於 x 的機率為 0.1， x 應為多少？ 查表：曲線下大於 z的面積為 0. 1，曲線下小於 z的面 積為 = 0.9，則 z = 1.28。 標準化： 。

85 圖示SAT字彙例題 面積為0.4 面積為0.1 x = ? x = 505 z = 1.28 z = 0
Statistical Thinking 圖示SAT字彙例題 面積為0.4 面積為0.1 x = ? x = 505 z = 1.28 z = 0 Chapter 13

86 統計人物小傳 周張靄鎣(Irene Chow) 臺大外文系畢業(1961) 美國加州大學柏克萊分校生物統計學博士
紐約卅立大學醫學院生物統計學教授 CIBA-GEIGY大藥廠研發資深副總裁(Senior Vice President, Clinical Research and Development, CIBA- GEIGY大藥廠為諾華Novartis的前身) Genelabs與健亞生物科技公司總裁

87 統計人物小傳 周張靄鎣(Irene Chow) 華人生技圈最有經驗的新藥開發與管理人
10個新藥被美國食品與藥物管理局(US Food and Drug Administration)核淮的記錄 生技領域成功不二法門 精準與魄力 Work hard 不如work smart

88 版權聲明 頁碼 作品 版權標示 作者 / 來源 3、7 《統計與生活》，頁 116，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 國立臺灣大學出版中心，2010 年 3 月初版。 由所有權人國立臺灣大學出版中心授權， 您如需利用本作品，請另行向權利人取得授權。 10 《統計與生活》，頁 117，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 國立臺灣大學出版中心，2010 年 3月初版。 16 《統計與生活》，頁 119，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 17 18

89 19 20 21 22 23 頁碼 作品 版權標示 作者 / 來源 《統計與生活》，頁 119，劉仁沛、洪永泰、蕭朱杏、陳 宏合著，
國立臺灣大學出版中心，2010 年 3 月初版。 由所有權人國立臺灣大學出版中心授權， 您如需利用本作品，請另行向權利人取得授權。 20 21 22 23

90 26 28 31 32 41 頁碼 作品 版權標示 作者 / 來源 《統計與生活》，頁 120，劉仁沛、洪永泰、蕭朱杏、陳 宏合著，
國立臺灣大學出版中心，2010 年 3 月初版。 由所有權人國立臺灣大學出版中心授權， 您如需利用本作品，請另行向權利人取得授權。 28 31 《統計與生活》，頁 121，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 32 41 《統計與生活》，頁 123，劉仁沛、洪永泰、蕭朱杏、陳 宏合著，

91 43 47 52 54 57 頁碼 作品 版權標示 作者 / 來源 《統計與生活》，頁 124，劉仁沛、洪永泰、蕭朱杏、陳 宏合著，
國立臺灣大學出版中心，2010 年 3 月初版。 由所有權人國立臺灣大學出版中心授權， 您如需利用本作品，請另行向權利人取得授權。 47 52 《統計與生活》，頁 125，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 54 《統計與生活》，頁 126，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 57 《統計與生活》，頁 127，劉仁沛、洪永泰、蕭朱杏、陳 宏合著，

92 63 64 66 67 70 頁碼 作品 版權標示 作者 / 來源 國立臺灣大學 數學系 陳 宏 教授。 WIKIPEDIA
( 瀏覽日期 2012/04/13。 70 Anthropological Miscellanea ( 頁 258，瀏覽日期 2012/07/09。依據著作權法第 46、52、65 條合理使用。

93 頁碼 作品 版權標示 作者 / 來源 71 Regression to the mean (created ) ( 瀏覽日期 2013/03/19，依據著作權法第 46、52、65 條合理使用。 73 國立臺灣大學 數學系 陳 宏 教授。 77 《統計與生活》，頁 343，劉仁沛、洪永泰、蕭朱杏、陳 宏合著， 國立臺灣大學出版中心，2010 年 3 月初版。 由所有權人國立臺灣大學出版中心授權， 您如需利用本作品，請另行向權利人取得授權。 78 79

94 頁碼 作品 版權標示 作者 / 來源 80 國立臺灣大學 數學系 陳 宏 教授。 81 83 85