实验十—基本统计分析（三）

实验10 基本统计分析（三）

1.调查某大学学生每周学习时间与得分的平均等级之间的关系，现抽查10个学生的资料如student.data文件所示。其中等级10表示最好，1表示最差，试用秩相关检验（Spearman检验和Kendall检验）分析学习时间和学习等级有无关系。（相关性检验）

提出假设：

H0：学习时间和学习等级无关系

H1：学习时间和学习等级有关系

得出结论：

使用 spearman 方法，p=0.09279>0.05，接收原假设，学习时间和学习等级无关系。

使用 kendall 方法，p=0.03114<0.05，拒绝原假设，学习时间和学习等级有关系。

2.文件score.data中的数据列出某高中18名学生某门课程的高考成绩和模拟考试成绩，这组数据能否说明高考成绩与模拟考试成绩是相关的？（相关性检验）

提出假设：

H0：不能说明高考成绩与模拟考试成绩是相关的

H1：能说明高考成绩与模拟考试成绩是相关的

P= 0.02817<0.05 ，拒绝原假设，即高考成绩与模拟考试成绩是相关的。

3.为比较两种工艺对产品的质量是否有影响，对其产品进行抽样检查，其结果如表所示，试分析两种工艺对产品质量是否有显著差异？

	合格	不合格	合计
工艺1	3	4	7
工艺2	6	4	10
合计	9	8	17

提出假设：

H0：两种工艺对产品的质量没有显著性差异

H1：两种工艺对产品的质量有显著性差异

P=0.6372>0.05，接收原假设，即两种工艺对产品的质量没有显著性差异。

4.为研究分娩过程中使用胎儿电子检测仪对剖妇产率有无影响，对5824例分娩的产妇进行回顾性调查，结果如表所示，试分析。

H0：分娩过程中使用胎儿电子监测仪对剖腹产率无影响

H1：分娩过程中使用胎儿电子监测仪对剖腹产率有影响

p=9.552e-10<0.05，拒绝原假设，所以分娩过程中使用胎儿电子监测仪对剖腹产率有影响

5.Mendel用豌豆的两对相对性状进行杂交实验，黄色圆滑种子与绿色皱缩种子的豌豆杂交后，第二代根据自由组合规律，理论分离比为：

黄圆：黄皱：绿圆：绿皱=9/16：3/16：3/16：1/16

实际实验值为：黄圆315 黄皱 101 绿圆 108 绿皱 32 ，共556粒。问此结果是否符合自由组合规律？

进行假设：

H0: 黄圆：黄皱：绿圆：绿皱=9/16：3/16：3/16：1/16

H1: 黄圆：黄皱：绿圆：绿皱≠9/16：3/16：3/16：1/16

p=0.9254>0.05，接收原假设，即结果符合自由组合定律。

6.在某养鱼塘中，根据过去经验，鱼的长度的中位数为14.6cm，现对鱼塘中鱼的长度进行一次估测，随机地从鱼塘中取出10条鱼，长度数据保存在fish.data中，用Wilcoxon符号秩检验，试分析该鱼塘中鱼的长度是在中位数之上，还是在中位数之下？

提出假设：

H0：中位数大于或者等于14.6

H1：中位数小于14.6

p=0.01087<0.05，拒绝原假设，即该鱼塘中鱼的长度在中位数之下。

7.请撰写报告，阐述统计学三大相关性系数（pearson、spearman、kendall）的区别

总的来讲，三个相关性系数（pearson, spearman, kendall）反应的都是两个变量之间变化趋势的方向以及程度，其值范围为-1到+1，0表示两个变量不相关，正值表示正相关，负值表示负相关，值越大表示相关性越强

person correlation coefficient（皮尔森相关性系数-r）

公式：
$${\rho }_{X,Y}=\frac{\mathrm{cov}(X,Y)}{{\sigma }_X\sigma Y}=\frac{E\left(\left(X-{\mu }_X\right)\left(Y-{\mu }_Y\right)\right)}{{\sigma }_X\sigma Y}=\frac{E(XY)-E(X)E(Y)}{\sqrt{E\left(X^2\right)-E^2(X}\sqrt{E\left(Y^2\right)-E^2(Y)}}$$
两个变量(X, Y)的皮尔森相关性系数(ρX,Y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX, σY)。（分母是变量的标准差，这就意味着变量的标准差不能为0（分母不能为0），也就是说你每个变量所包含值不能都是相同的。如果没有变化，方差为0，那么是无法计算的)

方差是表示一个变量的波动情况，方差越小表示数据越集中，越大表示数据越离散；
标准差：等于（或近似等于）方差的开根号；
协方差：可以理解成两个变量之间的方差，其取值可以是负无穷到正无穷，它可以表示两个变量之间的变化趋势，但是不能表示它们之间的程度

局限性：

• ==实验数据通常假设是成对的来自于正态分布的总体。==为啥通常会假设为正态分布呢？因为我们在求皮尔森相关性系数以后，通常还会用t检验之类的方法来进行皮尔森相关性系数检验。
• 实验数据之间的差距不能太大，或者说皮尔森相关性系数受异常值的影响比较大。因为根据公式可以看到是直接是用x，y的值进行计算。相对应的spearman correlation对异常值不敏感，因为它是属于rank test，具体见下面介绍。

spearman correlation coefficient（斯皮尔曼相关性系数-p）

通常也叫斯皮尔曼秩相关系数。

“秩”，可以理解成就是一种顺序或者排序，那么它就是根据原始数据的排序位置进行求解，而不是直接是用x，y的值进行求解（因此对异常值不敏感，也不要求正态分布）。
公式：
$${\rho }_s=1-\frac{6\sum d_i^2}{n\left(n^2-1\right)}$$
计算过程就是：

1. 获得秩次：记下原始X Y值得排序位置（X’, Y’），（X’, Y’）的值就称为秩次
2. 对两个变量（X, Y）的数据进行排序
3. 计算两个变量秩次的差值，也就是上面公式中的d_i，n就是变量中数据的个数
4. 最后带入公式就可求解结果。
   举个例子吧，假设我们实验的数据如下：

带入公式，求得斯皮尔曼相关性系数：ρ(s)= 1-6*(1+1+1+9)/6*35=0.657
不用管X和Y这两个变量具体的值到底差了多少，只需要算一下它们每个值所处的排列位置的差值，就可以求出相关性系数了。（如果原始数据中有重复值，则在求秩次时要以它们的平均值为准）

优势：

• 即便在变量值没有变化的情况下，也不会出现像皮尔森系数那样分母为0而无法计算的情况。
• 即使出现异常值，由于异常值的秩次通常不会有明显的变化（比如过大或者过小，那要么排第一，要么排最后），所以对斯皮尔曼相关性系数的影响也非常小
• 斯皮尔曼相关性系数没有那些数据条件要求，适用的范围广

pearson和spearman都是衡量连续型变量间的相关性，那么如果是分类变量呢？

kendall correlation coefficient（肯德尔相关性系数-k）

肯德尔相关性系数，又称肯德尔秩相关系数，它也是一种秩相关系数，不过它所计算的对象是分类变量。分类变量可以理解成有类别的变量，可以分为无序的，比如性别（男、女）、血型（A、B、O、AB），以及有序的，比如肥胖等级（重度肥胖，中度肥胖、轻度肥胖、不肥胖）。通常需要求相关性系数的都是有序分类变量。

尔相关性系数，又称肯德尔秩相关系数，它也是一种秩相关系数，不过它所计算的对象是分类变量。分类变量可以理解成有类别的变量，可以分为无序的，比如性别（男、女）、血型（A、B、O、AB），以及有序的，比如肥胖等级（重度肥胖，中度肥胖、轻度肥胖、不肥胖）。通常需要求相关性系数的都是有序分类变量。

例子：比如评委对选手的评分（优、中、差等），我们想看两个（或者多个）评委对几位选手的评价标准是否一致；或者医院的尿糖化验报告，想检验各个医院对尿糖的化验结果是否一致，这时候就可以使用肯德尔相关性系数进行衡量。