सहसंबंध गुणांक कैलकुलेटर
दो डेटा सेट से पियर्सन सहसंबंध गुणांक (r) और निर्धारण गुणांक (r²) की गणना करें। कॉमा या लाइन से अलग किए गए मानों को पेस्ट करें और तुरंत शक्ति (strength) व्याख्या व कदम-दर-कदम समाधान प्राप्त करें।
डेटा इनपुट (Data Input)
मानों को कॉमा, स्पेस या नई लाइन से अलग करें। X और Y में समान संख्या में मान होने चाहिए (न्यूनतम 2)।
गणना के परिणाम
r (पियर्सन गुणांक)
—
r² (निर्धारण गुणांक)
—
n (युग्मों की संख्या)
—
सहसंबंध की दिशा
—
x̄ (X का माध्य)
—
ȳ (Y का माध्य)
—
σx (X का मानक विचलन)
—
σy (Y का मानक विचलन)
—
चरण-दर-चरण हल
डेटा तालिका (Data Table)
| # | x | y | x − x̄ | y − ȳ | (x−x̄)(y−ȳ) | (x−x̄)² | (y−ȳ)² |
|---|
सहसंबंध शक्ति गाइड (Correlation Strength Guide)
| |r| की सीमा | सहसंबंध की शक्ति | व्याख्या / अर्थ |
|---|---|---|
| 0.00 – 0.09 | नगण्य (Negligible) | वस्तुतः कोई रैखिक संबंध नहीं |
| 0.10 – 0.19 | बहुत कमजोर | न्यूनतम रैखिक प्रवृत्ति |
| 0.20 – 0.39 | कमजोर (Weak) | रैखिक जुड़ाव का निम्न स्तर |
| 0.40 – 0.59 | मध्यम (Moderate) | स्पष्ट लेकिन अपूर्ण रैखिक संबंध |
| 0.60 – 0.79 | मजबूत (Strong) | स्पष्ट रैखिक संबंध, भविष्यवाणी के लिए उपयोगी |
| 0.80 – 0.99 | बहुत मजबूत | सघन रैखिक संबंध |
| 1.00 | पूर्ण (Perfect) | सभी बिंदु बिल्कुल एक ही रेखा पर स्थित हैं |
अक्सर पूछे जाने वाले प्रश्न (FAQs)
पियर्सन r दो चरों (variables) के बीच रैखिक संबंध को मापता है। इसका मान −1 (पूर्ण ऋणात्मक) से +1 (पूर्ण धनात्मक) के बीच होता है। 0 के निकट मान का अर्थ है कि उनके बीच कोई रैखिक संबंध नहीं है। इसका सूत्र है: r = [n∑xy − ∑x∑y] / √[(n∑x² − (∑x)²)(n∑y² − (∑y)²)].
r² (निर्धारण गुणांक) केवल सहसंबंध गुणांक r का वर्ग है। जहां r केवल संबंध की दिशा और शक्ति को दर्शाता है, वहीं r² यह बताता है कि स्वतंत्र चर (X) द्वारा आश्रित चर (Y) के बदलावों का कितना प्रतिशत समझाया जा सकता है। उदाहरण के लिए, यदि r = 0.9 है → r² = 0.81 होगा, अर्थात Y के 81% बदलाव को X के रैखिक संबंध द्वारा समझाया जा सकता है। r² हमेशा 0 और 1 के बीच होता है।
नहीं। सहसंबंध केवल यह दर्शाता है कि दो चर एक साथ बदलते हैं। इसका मतलब यह नहीं है कि एक चर दूसरे चर के बदलने का कारण है। उनके बीच का संबंध किसी तीसरे छिपे हुए कारक के कारण या केवल एक संयोग (spurious correlation) भी हो सकता है। कार्य-कारण सिद्ध करने के लिए नियंत्रित वैज्ञानिक प्रयोगों की आवश्यकता होती है।
स्पीयरमैन रैंक सहसंबंध का उपयोग तब किया जाता है जब: (1) आपका डेटा क्रमिक (ordinal) हो न कि निरंतर; (2) चरों के बीच का संबंध एकदिष्ट (monotonic) हो पर सीधे रैखिक न हो; (3) आपके डेटा में अत्यधिक बड़े आउटलायर (outliers) हों जो पियर्सन गुणांक को विकृत कर सकते हैं।