散点图的相关性与显著性---MATLAB

散点图的相关性与显著性---MATLAB


背景

得到了两个变量的一组数据,绘制散点图,似乎很有关系,如下:
散点图

在直接用matlab拟合出方程之前,可以先检测其相关性与显著性。


1.相关性与显著性检验

相关性:两个变量间的线性相关性,用 r 值衡量,r为正是正相关,r为负是负相关,范围-1~1.

统计假设检验:对随机变量的分布/参数做出一个假设,利用样本数据来检验这个假设;如果只限定犯第一类错误的概率,则是显著性检验(significance test) [1],显著性水平用 p 值衡量。

显著性检验是为了判断假设是否成立,即样本与假设的偏差是因为随机误差还是因为假设不真。

2.MATLAB函数corrcoef

[R,P]=corrcoef(A)
矩阵A的每一列是随机变量的一组观测值;
R是相关系数矩阵;
P是p值矩阵;

对上面的散点图数据求得:
R=[1 0.9970; 0.9970 1],(1,2)和(2,1)元 r 值为0.997
P=[1 0; 0 1] , (1,2)和(2,1)元 p值为0 (p<0.05即显著相关)
因为这两个变量呈现出了显著相关性,所以可以进行拟合。


参考
[1] :https://www.cnblogs.com/hdu-zsk/p/6293721.html

  • 3
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1. 显著点的检测 Itti的A Model of Saliency-Based Visual Attention for Rapid Scene Analysis (TPAMI 1999)论文是显著性检测的鼻祖论文,检测出来的是用户关注的点。 2. 显著区域的检测 侯晓迪同学在2007年发表的一篇CVPR的论文,用很简单的方法检测了显著性区域,那之后显著性检测主要以区域检测为主:Saliency detection: A spectral residual approach (CVPR 2007),虽然之后有人诟病这篇论文有不足之处,但该想法简单,推动了显著性研究的普及。侯同学靠这一篇文章再加上投稿期间的趣事,就封神了。 3. 其他经典的显著性检测方法 在那之后陆续又有一些经典的显著性检测算法被提出:https://blog.csdn.net/touch_dream/article/details/78716507 可以看这个博文。 4. 基于深度学习的显著性检测 再之后,显著性检测领域就进入了Deep Learning时代, Deep Visual Attention Prediction TIP2018 (CODE)     https://github.com/wenguanwang/deepattention Predicting Human Eye Fixations via an LSTM-based Saliency Attentive Model (CODE)     https://github.com/marcellacornia/sam CVPR2016 Shallow and Deep Convolutional Networks for Saliency Prediction (CODE)     https://github.com/imatge-upc/saliency-2016-cvpr Saliency Detection with GAN (2017)     https://github.com/imatge-upc/saliency-salgan-2017  (CODE)     https://github.com/batsa003/salgan/ (PyTorch的版本) 5. 非自然图象的显著性检测 例如,海报的显著性检测,图表的显著性检测,地理数据的显著性检测等等。
MATLAB中,可以使用散点图来展示变量之间的相关性相关性散点图显示了两个变量之间的关系,其中一个变量位于横轴上,另一个变量位于纵轴上。通过观察散点图的分布模式,可以初步了解变量之间是否存在线性关系。 要绘制相关性散点图,可以使用MATLAB中的内置函数`scatter`。首先,需要计算两个变量之间的相关系数,可以使用`corrcoef`函数。这个函数返回一个相关系数矩阵,其中的元素是两个变量之间的相关系数。 在绘制散点图之前,建议先进行描述性统计,以便更好地了解数据的特征。可以使用MATLAB中的其他函数,如`histogram`、`boxplot`等来展示数据的分布情况。 总结起来,绘制MATLAB中的相关性散点图的步骤如下: 1. 使用`corrcoef`函数计算两个变量之间的相关系数。 2. 使用`scatter`函数绘制相关性散点图,横轴为一个变量,纵轴为另一个变量。 3. 如果需要进行更详细的统计分析,可以使用其他MATLAB函数进行描述性统计和假设检验。 请注意,以上是一种常见的绘制相关性散点图的方法,具体操作可能会因实际情况而有所不同。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [散点图相关性显著性---MATLAB](https://blog.csdn.net/Vacoly/article/details/114370581)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [matlab相关性分析](https://blog.csdn.net/luxurie/article/details/109697239)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值