简介:皮尔逊相关系数,用来反映两个随机变量之间的线形相关程度。皮尔逊相关也称为积差相关(或矩阵相关)是一种计算直线相关的方法。
首先,先了解一下协方差(Covariance),协方差是一个反映两个随机变量相关程度的指标,如果一个变量跟随另一个变量同时变大或者变小,那么这两个变量的协方差就是正值,反之相反,协方差的公式如下:
假设有两个变量X,Y,那么两个变量间的皮尔逊相关系数可通过以下公式计算:
公式一:
其中,cov是协方差,是X的标准差,是Y的标准差。上述公式可以知道,皮尔逊相关系数是用协方差除以两个变量的标准差得到的。
公式二:
公式三:
公式四:
以上列出的四个公式等价,E是数学期望
由公式可知,皮尔逊系数是用协方差除以两个变量的标准差得到的,虽然协方差能反映两个随机变量的相关程度(协方差大于0的时候表示两者正相关,小于0的时候表示两者负相关),但是协方差值的大小并不能很好地度量两个随机变量的关联程度,例如,现在二维空间中分布着一些数据,我们想知道数据点坐标X轴和Y轴的相关程度,如果X与Y的相关程度较小但是数据分布的较离散,这样会导致求出的协方差值较大,用这个值来度量相关程度是不合理的。
为了更好的度量两个随机变量的相关程度,引入了皮尔逊相关系数,其在协方差的基础上除以了两个随机变量的标准,容易得出,pearson是一个介于-1和1之间的值,当两个变量的线性关系增强时,相关系数趋于1或-1,当一个变量增大,另一个变量也增大时,表明它们之间是正相关的,相关系数大于0;如果一个变量增大,另一个变量却见效,表明它们之间是负相关的,相关系数小于0;如果相关系数等于0,表明它们之间不存在线形关系。
适用范围:
当两个变量的标准差都不为零时,相关系数才有定义,皮尔逊相关系数适用于:
1)两个变量之间是线形相关,都是连续数据;
2)两个变量的总体是正态分布,或接近正态分布的单峰分布;
3)两个变量的观测值是成对的,每对观测值之间相互独立;