数模（皮尔逊相关系数）

协方差可以反映两个变量的相关性，若协方差一直为正，则两个变量正相关，若协方差一直为负，则两个变量负相关。但是协方差会出现两个变量的量纲不相同的情况。此时便需要使用皮尔逊相关系数。

使用皮尔逊相关系数的条件：必须要事先画出散点图确认这两个变量是线性相关的，才能够用皮尔逊相关系数反映相关程度。皮尔逊相关系数只是后用来衡量两个变量线性相关程度的指标。

离群点对相关系数的影响很大，因此即使两个变量的相关系数很大，也不能说明两者相关。

皮尔逊相关系数可以看成是剔除了两个变量量纲影响，即将X和Y标准化后的协方差。

总体皮尔逊相关系数：

操作步骤：

        1、先对数据进行描述性统计：

2、画出散点图并确定是否为线性惯性，计算得到皮尔逊系数；

3、验证皮尔逊相关系数假设检验（是否具有显著性）的条件是否满足：

（1）实验数据通常假设是成对的来自于正态分布的总体（因为需要用到t检验，而t检验是基于数据呈正态分布）；

        JB检验：正态分布的偏度为0，峰度为3（n>30）

（2）实验数据之间的差距不能太大。皮尔逊相关性系数受异常值影响比较大；

（3）每组样本之间是独立抽样的。构造t统计量时需要用到；

4、假设检验：

代码：corrcoef（皮尔逊相关系数）

          x= normrnd（2,3,100,1）:生成100*1的随机变量，每个元素是均值为2，标准差为3的正态分布；

           skewness（x）：求函数x的偏度;

            kurtosis(x)        :求函数x的偏度；