博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
简单线性相关系数 r及检验
阅读量:5925 次
发布时间:2019-06-19

本文共 688 字,大约阅读时间需要 2 分钟。

hot3.png

  • 总体的相关系数
17003032_aAXG.png
 
Cov(X,Y):变量 X和 变量Y 的协方差,公式为
17003032_NcHx.png
Var(X):变量 X 的方差, Var(X) :
17003032_Rwja.png
Var(Y):变量 Y 的方差,Var(Y)
17003032_uxVl.png
 

17003032_ij2L.png :变量的 X 的平均值    

17003033_EAXp.png

17003033_A2a3.png:变量X 的平均值

17003033_314g.png

 

  • 样本相关系数

当总体较大时,变量 X 与 Y的全部数值一般不可能去直接观察,从总体中随机抽取一定数量的样本,通过观测值去计算 样本相关系数 r

17003033_fiKh.png

a、样本相关系数作为总体相关系数的估计值
b、涉及的两个变量 X 和 Y地位是平等的
c、相关系数仅能反映两个变量间的线性相关关系
d、相关系数的取值范围
  •  相关系数的取值
a、r 的取值范围:-1 <= r <=1
b、r > 0表现正相关, r < 0表示负相关
c、r = 0表示不存在线性相关关系(并不代表无相关,有可能有其他的相关)
d、| r | 表示完全线性相关
e、 0 < | r
| < 1表示存在不同程度线性相关
    | r | < 0.3 为微弱线性相关
    0.3 <= | r | < 0.5 为低度线性相关
    0.5 <= | r | < 0.8 为显著线性相关
    0.8 <= | r | < 1 为高度线性相关
  • 相关系数的检验
  • 为什么要进行检验
 r 相关系数是通过样本数据计算的,因而带有一定的随机性

  • 检验方法

    H0 : 
17003033_ZncO.png = 0  相关系数在统计上不显著
    H1:  
17003033_Upsa.png ≠  0
    样本统计量:
17003033_jbkq.png
   决策:
    若 | t | >= 
17003033_41dv.png ,表明 r 在统计上是显著的
    若 | t | <= 
17003033_mzXE.png,表明 r 在统计 上是不显著的
17003033_Bt7k.png
 
 
 

转载于:https://my.oschina.net/u/1785519/blog/1511500

你可能感兴趣的文章
数据库设计-基础-1-教务科研申报系统设计UML用例图
查看>>
centos7下别名(alias)的特殊用法
查看>>
老司机带你重构Android的v4包的部分源码
查看>>
MAVEN简介之——settings.xml
查看>>
关于Spring的事务Transactional,锁同步,并发线程
查看>>
github的使用教程
查看>>
操作系统基础知识
查看>>
PHP中 对象自动调用的方法:__set()、__get()、__tostring()
查看>>
分析拼多多的崛起【产品思维】
查看>>
用java写了一个汉诺塔
查看>>
C++的enum hack
查看>>
[ JS 进阶 ] Repaint 、Reflow 的基本认识和优化 (2)
查看>>
如何获得一个集合的所有子集合?
查看>>
Oracle-13:Oracle中的表分区
查看>>
使用 Dubbo 对遗留单体系统进行微服务改造
查看>>
Ubuntu Core 给物联网提供更多安全支持
查看>>
Optaplanner规划引擎的工作原理及简单示例(1)
查看>>
CC框架实践(1):实现登录成功再进入目标界面功能
查看>>
分享一些 Java 后端的个人干货
查看>>
微软宣布正式开源 Azure IoT Edge 边缘计算服务
查看>>