# Γραμμική συσχέτιση και διαγράμματα διασποράς

> Όταν δύο μεγέθη ανεβαίνουν μαζί, και γιατί αυτό δεν σημαίνει ότι το ένα προκαλεί το άλλο.

Μαθηματικά, Γ΄ Λυκείου. https://www.akademio.gr/el/lyk-c/math/correlation-scatter

## Τι θα μάθεις

- Να σχεδιάζεις και να διαβάζεις διάγραμμα διασποράς για δύο ποσοτικές μεταβλητές.
- Να αναγνωρίζεις θετική, αρνητική και καμία γραμμική συσχέτιση.
- Να ερμηνεύεις τον συντελεστή συσχέτισης r ως προς το πρόσημο και την ισχύ, και να τον βρίσκεις με το κομπιουτεράκι.
- Να εξηγείς πώς μια ακραία τιμή αλλάζει το r και γιατί ένα μικρό r δεν σημαίνει πάντα έλλειψη σχέσης.
- Να ξεχωρίζεις τη συσχέτιση από την αιτιότητα και να αναζητάς τρίτη μεταβλητή.

## Δύο μετρήσεις στον ίδιο άνθρωπο

Ρωτάμε οκτώ μαθητές πόσες ώρες διάβασαν για ένα διαγώνισμα και σημειώνουμε τον βαθμό που πήραν. Για κάθε μαθητή έχουμε τώρα **δύο** αριθμούς, δηλαδή ένα ζεύγος $(x, y)$: $x$ οι ώρες και $y$ ο βαθμός. Η ερώτηση δεν είναι πια «πόσο διάβασαν κατά μέσο όρο», αλλά **αν οι δύο μεταβλητές κινούνται μαζί**: όσοι διάβασαν περισσότερο, πήραν και μεγαλύτερο βαθμό;

| Ώρες $x$   | $1$ | $2$  | $2$  | $3$  | $4$  | $5$  | $6$  | $7$  |
| ---------- | --- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| Βαθμός $y$ | $9$ | $10$ | $12$ | $11$ | $14$ | $15$ | $17$ | $18$ |

## Το διάγραμμα διασποράς

Κάθε ζεύγος γίνεται ένα **σημείο** σε σύστημα αξόνων: οριζόντια οι ώρες, κατακόρυφα ο βαθμός. Το σύνολο των σημείων είναι το **διάγραμμα διασποράς**. Τα σημεία δεν ενώνονται με γραμμή, γιατί κάθε σημείο είναι ένας διαφορετικός μαθητής.

0
2
4
6
8
ώρες διαβάσματος
5
10
15
20
βαθμός

Τα οκτώ γεμάτα σημεία **ανεβαίνουν** από αριστερά προς τα δεξιά, και μάλιστα σχεδόν πάνω σε μια νοητή ευθεία. Για το κενό σημείο, κάτω δεξιά, θα μιλήσουμε σε λίγο.

## Τρία βασικά σχήματα

Από το διάγραμμα διαβάζεις πρώτα την **κατεύθυνση**:

- **Θετική γραμμική συσχέτιση:** τα σημεία ανεβαίνουν. Μεγαλύτερο $x$ συνοδεύεται συνήθως από μεγαλύτερο $y$. Ύψος και βάρος, θερμοκρασία και πωλήσεις παγωτών.
- **Αρνητική γραμμική συσχέτιση:** τα σημεία κατεβαίνουν. Μεγαλύτερο $x$ συνοδεύεται συνήθως από μικρότερο $y$. Ηλικία ενός αυτοκινήτου και τιμή μεταπώλησης.
- **Καμία γραμμική συσχέτιση:** τα σημεία σχηματίζουν ένα σύννεφο χωρίς κλίση. Ύψος και βαθμός στα Μαθηματικά.

Μετά διαβάζεις την **ισχύ**: όσο πιο κοντά σε μια ευθεία είναι τα σημεία, τόσο πιο **ισχυρή** η συσχέτιση. Σημεία απλωμένα σε φαρδιά λωρίδα δείχνουν **ασθενή** συσχέτιση, ακόμα κι αν η λωρίδα έχει κλίση.

## Ο συντελεστής συσχέτισης

Η ισχύς και η κατεύθυνση μετριούνται με έναν αριθμό, τον **συντελεστή γραμμικής συσχέτισης** $r$. Τον δίνει το κομπιουτεράκι: στη λειτουργία στατιστικής για δύο μεταβλητές (συνήθως γράφεται `A+BX`) περνάς τα ζεύγη, και διαβάζεις το $r$. Για τα δεδομένα των οκτώ μαθητών βγαίνει $r \approx 0{,}97$.

Ο συντελεστής έχει τρεις ιδιότητες που λένε σχεδόν όλα όσα χρειάζεσαι:

1. Παίρνει τιμές από $-1$ ως $1$: $\;-1 \leq r \leq 1$.
2. Το **πρόσημο** δίνει την κατεύθυνση: θετικό για θετική, αρνητικό για αρνητική συσχέτιση.
3. Η **απόλυτη τιμή** δίνει την ισχύ. Στο $r = 1$ ή $r = -1$ όλα τα σημεία βρίσκονται ακριβώς σε μια ευθεία· στο $r = 0$ δεν υπάρχει καμία γραμμική τάση.

Ενδεικτικά, για να το περιγράψεις με λόγια:

| Τιμή του $r$             | Γραμμική συσχέτιση |
| ------------------------ | ------------------ |
| από $0{,}8$ ως $1$       | ισχυρή θετική      |
| από $0{,}5$ ως $0{,}8$   | μέτρια θετική      |
| από $-0{,}5$ ως $0{,}5$  | ασθενής ή καμία    |
| από $-0{,}8$ ως $-0{,}5$ | μέτρια αρνητική    |
| από $-1$ ως $-0{,}8$     | ισχυρή αρνητική    |

Τα όρια του πίνακα είναι σύμβαση, όχι κανόνας της φύσης. Ένα $r = 0{,}79$ δεν διαφέρει ουσιαστικά από ένα $r = 0{,}81$.

> **Κλειδί**
>
> Το $r = -0{,}9$ δείχνει **ισχυρότερη** συσχέτιση από το $r = 0{,}6$. Το πρόσημο λέει μόνο προς τα πού γέρνει το σύννεφο· την ισχύ τη λέει η απόσταση από το μηδέν. Το $r$ επίσης **δεν έχει μονάδες** και δεν αλλάζει αν αλλάξεις μονάδα μέτρησης: ύψος σε εκατοστά ή σε μέτρα δίνει το ίδιο $r$ με το βάρος.

> **Θυμήσου**
>
> Αν θέλεις να δεις από πού βγαίνει, ο τύπος είναι
>
> $$
> r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}}
> $$
>
> Ο αριθμητής είναι θετικός όταν τα $x$ και $y$ είναι **μαζί** πάνω ή μαζί κάτω από τη μέση τιμή τους, δηλαδή όταν κινούνται μαζί. Τον υπολογισμό τον αφήνεις στο κομπιουτεράκι.

## Τι δεν βλέπει το $r$

Το $r$ μετράει μόνο **γραμμική** συσχέτιση, και είναι ευαίσθητο σε **ακραίες τιμές**. Γι' αυτό το διάγραμμα διασποράς σχεδιάζεται **πάντα** πρώτα, και το $r$ διαβάζεται μετά.

Στο διάγραμμα των ωρών διαβάσματος, το κενό σημείο $(8, 6)$ είναι ένας ένατος μαθητής που διάβασε πολλές ώρες αλλά αρρώστησε τη μέρα του διαγωνίσματος. Αν τον προσθέσεις στα δεδομένα, το $r$ πέφτει από $0{,}97$ σε περίπου $0{,}26$. Ένας μαθητής στους εννέα έκανε μια ισχυρή συσχέτιση να μοιάζει σχεδόν ανύπαρκτη.

> **Πρόσεχε**
>
> Ένα $r$ κοντά στο $0$ **δεν** σημαίνει ότι οι μεταβλητές δεν σχετίζονται. Σημαίνει μόνο ότι δεν σχετίζονται **με ευθεία γραμμή**. Η απόδοση ενός αθλητή ανεβαίνει με την προπόνηση ως ένα σημείο και μετά, με την υπερκόπωση, πέφτει: τα σημεία σχηματίζουν καμάρα, η σχέση είναι ισχυρή, και το $r$ μπορεί να βγει σχεδόν μηδέν.

## Συσχέτιση δεν σημαίνει αιτιότητα

Αυτή είναι η πιο σημαντική πρόταση της ενότητας. Ένα μεγάλο $r$ λέει ότι δύο μεγέθη **κινούνται μαζί**. Δεν λέει ότι το ένα **προκαλεί** το άλλο.

Σε μια παραθαλάσσια πόλη, οι μήνες με περισσότερες πωλήσεις παγωτού είναι και οι μήνες με περισσότερα ατυχήματα στη θάλασσα, με $r$ κοντά στο $0{,}9$. Το παγωτό δεν προκαλεί ατυχήματα. Υπάρχει μια **τρίτη μεταβλητή**, η ζέστη, που ανεβάζει και τα δύο: περισσότεροι αγοράζουν παγωτό **και** περισσότεροι κολυμπούν.

> **Κλειδί**
>
> Όταν βλέπεις ισχυρή συσχέτιση, κάνε τρεις ερωτήσεις πριν μιλήσεις για αιτία:
>
> 1. Υπάρχει **τρίτη μεταβλητή** που επηρεάζει και τα δύο;
> 2. Μήπως η αιτία πάει **ανάποδα**, δηλαδή το $y$ επηρεάζει το $x$;
> 3. Μήπως είναι **σύμπτωση**, σε ένα μικρό δείγμα;
>
> Για να αποδειχθεί αιτία χρειάζεται πείραμα, όχι μόνο παρατήρηση.

## Παραδείγματα

### Παράδειγμα 1: Περίγραψε τη συσχέτιση ωρών διαβάσματος και βαθμού για τους οκτώ μαθητές, με \$r \approx 0{,}97\$.

1. **Κατεύθυνση.** Τα σημεία ανεβαίνουν και το $r$ είναι θετικό: θετική συσχέτιση.
2. **Ισχύς.** Το $0{,}97$ είναι πολύ κοντά στο $1$, και στο διάγραμμα τα σημεία είναι σχεδόν σε ευθεία: **ισχυρή** θετική γραμμική συσχέτιση.
3. **Η διατύπωση.** «Στο δείγμα, οι μαθητές που διάβασαν περισσότερες ώρες πήραν συνήθως μεγαλύτερο βαθμό.»

   Η λέξη «συνήθως» είναι σημαντική: ο μαθητής με τις $2$ ώρες και το $12$ πήρε μεγαλύτερο βαθμό από αυτόν με τις $3$ ώρες. Η συσχέτιση περιγράφει την τάση, όχι κάθε ζεύγος.

### Παράδειγμα 2: Αντιστοίχισε τις τιμές \$r = 0{,}92\$, \$r = -0{,}75\$, \$r = 0{,}05\$ και \$r = -0{,}98\$ σε τέσσερα διαγράμματα: (α) σημεία που κατεβαίνουν σχεδόν σε ευθεία, (β) σύννεφο χωρίς κλίση, (γ) σημεία που ανεβαίνουν κοντά σε ευθεία, (δ) σημεία που κατεβαίνουν σε φαρδιά λωρίδα.

1. **Ξεχωρίζω με το πρόσημο.** Το (γ) ανεβαίνει, άρα θετικό $r$. Τα (α) και (δ) κατεβαίνουν, άρα αρνητικά. Το (β) δεν έχει κλίση, άρα κοντά στο μηδέν.
2. **Θετικά:** μένουν $0{,}92$ και $0{,}05$. Το (γ) είναι κοντά σε ευθεία, άρα $0{,}92$, και το (β) παίρνει το $0{,}05$.
3. **Αρνητικά:** το (α), σχεδόν ευθεία, παίρνει το $-0{,}98$, και το (δ), φαρδιά λωρίδα, το $-0{,}75$.

   Απάντηση: (α) $-0{,}98$, (β) $0{,}05$, (γ) $0{,}92$, (δ) $-0{,}75$.

### Παράδειγμα 3: Σε μια πόλη, για επτά καλοκαιρινές μέρες, η μέγιστη θερμοκρασία σε °C και οι πωλήσεις παγωτών σε εκατοντάδες ήταν: \$(10, 4)\$, \$(14, 6)\$, \$(18, 9)\$, \$(22, 13)\$, \$(26, 15)\$, \$(30, 19)\$, \$(34, 24)\$. Βρες το \$r\$ και πες τι αλλάζει αν οι θερμοκρασίες γραφτούν σε βαθμούς Fahrenheit.

*Διάγραμμα διασποράς με τα επτά σημεία του παραδείγματος: οριζόντια η θερμοκρασία, από 10 ως 34 °C, και κατακόρυφα οι πωλήσεις παγωτών, από 4 ως 24 εκατοντάδες.*

1. **Με το κομπιουτεράκι:** περνάω τα επτά ζεύγη και διαβάζω

   $r \approx 0{,}99$
2. **Ερμηνεία:** πολύ ισχυρή θετική γραμμική συσχέτιση. Τις ζεστές μέρες πουλιούνται πολύ περισσότερα παγωτά.
3. **Αλλαγή μονάδας.** Ο βαθμός Fahrenheit είναι $F = 1{,}8\,C + 32$. Κάθε σημείο μετακινείται και τεντώνεται οριζόντια με τον ίδιο τρόπο, το σχήμα του σύννεφου μένει ίδιο, άρα

   $r \approx 0{,}99$ ξανά

   Το $r$ δεν έχει μονάδες, και η αλλαγή μονάδας δεν το επηρεάζει.

### Παράδειγμα 4: Μια έρευνα σε παιδιά Δημοτικού βρήκε ισχυρή θετική συσχέτιση ανάμεσα στο νούμερο του παπουτσιού και στη βαθμολογία σε ένα τεστ ανάγνωσης. Σημαίνει ότι τα μεγάλα πόδια βοηθούν στο διάβασμα;

1. **Η συσχέτιση είναι πραγματική,** αλλά δεν λέει τίποτα για αιτία.
2. **Ψάχνω τρίτη μεταβλητή.** Στο Δημοτικό τα παιδιά έχουν από έξι ως δώδεκα χρόνια. Τα μεγαλύτερα έχουν μεγαλύτερα πόδια **και** διαβάζουν καλύτερα, γιατί έχουν περισσότερα χρόνια σχολείου.
3. **Η τρίτη μεταβλητή είναι η ηλικία.** Αν συγκρίνεις μόνο παιδιά της ίδιας τάξης, η συσχέτιση σχεδόν εξαφανίζεται.

   **Το μάθημα:** όταν μια συσχέτιση ακούγεται παράλογη ως αιτία, ψάχνεις τι κοινό κινεί και τις δύο μεταβλητές.

## Ερωτήσεις

1. Σε ένα διάγραμμα διασποράς κάθε σημείο παριστάνει:
   - μία κατηγορία μιας ποιοτικής μεταβλητής
   - τη μέση τιμή μιας ομάδας
   - ένα άτομο, με τις δύο τιμές του
   - μία συχνότητα
2. Ποια από τις παρακάτω **δεν** μπορεί να είναι τιμή του συντελεστή συσχέτισης $r$;
   - $-0{,}95$
   - $1{,}2$
   - $0$
   - $1$
3. Ποια συσχέτιση είναι ισχυρότερη;
   - $r = 0{,}65$
   - $r = -0{,}9$
   - $r = 0{,}3$
   - είναι ίδιες, μόνο το πρόσημο αλλάζει
4. Ποιο ζεύγος μεταβλητών περιμένεις να έχει αρνητική συσχέτιση;
   - ηλικία αυτοκινήτου και τιμή μεταπώλησης
   - ύψος και βάρος εφήβων
   - θερμοκρασία ημέρας και πωλήσεις παγωτών στην παραλία
   - μήνας γέννησης και ύψος
5. Το $r$ ανάμεσα σε απόσταση σε χιλιόμετρα και χρόνο διαδρομής είναι $0{,}8$. Αν η απόσταση γραφτεί σε μέτρα, το $r$:
   - γίνεται $800$
   - γίνεται $0{,}0008$
   - μένει $0{,}8$
   - αλλάζει πρόσημο
6. Σε ένα διάγραμμα με $r = 0{,}9$ προστίθεται ένα σημείο πολύ μακριά από τα υπόλοιπα και αντίθετα στην τάση τους. Τι περιμένεις για το $r$;
   - μένει σχεδόν ίδιο
   - μπορεί να μικρύνει πολύ
   - γίνεται $1$
   - γίνεται υποχρεωτικά αρνητικό
7. Βρήκες $r \approx 0$ για δύο μεταβλητές. Ποιο συμπέρασμα είναι σωστό;
   - οι μεταβλητές δεν σχετίζονται καθόλου
   - κάποιο λάθος έγινε στον υπολογισμό
   - η μία μεταβλητή είναι σταθερή
   - δεν υπάρχει γραμμική συσχέτιση
8. Σε πολλές πόλεις βρέθηκε ισχυρή θετική συσχέτιση ανάμεσα στον αριθμό των πυροσβεστών σε μια φωτιά και στις ζημιές που προκάλεσε. Ποια εξήγηση είναι η πιο λογική;
   - οι πυροσβέστες προκαλούν ζημιές
   - πρέπει να στέλνουμε λιγότερους πυροσβέστες
   - οι μεγάλες φωτιές φέρνουν και τα δύο
   - πρόκειται για σύμπτωση

## Ασκήσεις

1. Σε ένα διάγραμμα διασποράς τα σημεία κατεβαίνουν από αριστερά προς τα δεξιά. Τι πρόσημο έχει ο συντελεστής συσχέτισης $r$;
2. Για $10$ μαθητές καταγράφηκαν οι ώρες $x$ που περνούν κάθε μέρα στο κινητό και ο βαθμός τους $y$ σε ένα διαγώνισμα. Βρέθηκε $\sum (x_i - \bar{x})(y_i - \bar{y}) = -36$, $\sum (x_i - \bar{x})^2 = 16$ και $\sum (y_i - \bar{y})^2 = 100$. Πόσο είναι το $r$, και πώς χαρακτηρίζεται η συσχέτιση με τον πίνακα της ενότητας;
3. Σε $20$ χειμωνιάτικες μέρες, ο συντελεστής συσχέτισης της θερμοκρασίας σε °C με τα λίτρα πετρελαίου που έκαψε ένα σχολείο είναι $r = -0{,}9$. Πόσος γίνεται αν η θερμοκρασία γραφτεί σε °F; Και πόσος, αν αντί για τη θερμοκρασία γράψεις πόσους βαθμούς είναι κάτω από τους $20$ °C;
4. Πέντε δρομείς σημείωσαν πόσες ώρες προπονούνται την εβδομάδα και πόσους πόντους πήραν σε ένα τεστ φυσικής κατάστασης.

   Ώρες προπόνησης την εβδομάδα και πόντοι στο τεστ.

   | Δρομέας | Ώρες | Πόντοι |
   | --- | --- | --- |
   | Α | $2$ | $50$ |
   | Β | $4$ | $55$ |
   | Γ | $5$ | $65$ |
   | Δ | $7$ | $70$ |
   | Ε | $8$ | $80$ |

   α) Τι κατεύθυνση έχει η συσχέτιση;
   β) Βρες το $r$ με το κομπιουτεράκι, με δύο δεκαδικά.
   γ) Πώς χαρακτηρίζεται η συσχέτιση;
5. Σε πέντε μαθητές καταγράψαμε τις ώρες παιχνιδιού στο κινητό την ημέρα πριν από ένα τεστ και τον βαθμό τους: $(1, 10)$, $(2, 8)$, $(3, 9)$, $(4, 6)$, $(5, 4)$.
   α) Βρες το $r$ με το κομπιουτεράκι, με δύο δεκαδικά.
   β) Πώς χαρακτηρίζεται η συσχέτιση;
   γ) Αποδεικνύει αυτό ότι το παιχνίδι στο κινητό ρίχνει τον βαθμό;
6. Πέντε ζεύγη τιμών είναι $(1, 2)$, $(2, 4)$, $(3, 3)$, $(4, 6)$, $(5, 5)$.
   α) Βρες το $r$ χωρίς κομπιουτεράκι.
   β) Προσθέτεις ένα έκτο ζεύγος, το $(3, 4)$. Το $r$ μεγαλώνει, μικραίνει ή μένει ίδιο;
   γ) Αν αντί για αυτό προσθέσεις το ζεύγος $(3, 10)$, πόσο γίνεται το $r$;
7. Πέντε ζεύγη τιμών είναι $(1, 3)$, $(2, 5)$, $(3, 6)$, $(4, 8)$, $(5, 10)$. Σε αυτά προστίθεται ένα έκτο ζεύγος, το $(6, 2)$.
   α) Βρες το $r$ για τα πέντε πρώτα ζεύγη, με δύο δεκαδικά.
   β) Βρες το $r$ και για τα έξι ζεύγη, με δύο δεκαδικά.
   γ) Τι είναι το ζεύγος $(6, 2)$ για το διάγραμμα διασποράς;
8. Ένας προπονητής σκακιού κατέγραψε για οκτώ μαθητές του τις ώρες εξάσκησης την εβδομάδα $x$ και τους πόντους τους $y$ σε ένα τεστ. Οι αρχάριοι: $(1, 10)$, $(1, 30)$, $(3, 10)$, $(3, 30)$. Οι προχωρημένοι: $(7, 70)$, $(7, 90)$, $(9, 70)$, $(9, 90)$.
   α) Δείξε, χωρίς κομπιουτεράκι, ότι μέσα σε κάθε ομάδα είναι $r = 0$.
   β) Βρες το $r$ για τους οκτώ μαζί.
   γ) Ο προπονητής βλέπει το $0{,}9$ και λέει: «Κάθε ώρα εξάσκησης ανεβάζει τους πόντους». Τι του λένε οι δύο ομάδες;

---

Οι απαντήσεις, τα διαδραστικά και τα παιχνίδια είναι στη σελίδα της ενότητας: https://www.akademio.gr/el/lyk-c/math/correlation-scatter
