Pearson(皮尔逊)相关系数

统计相关系数简介

 

 

由于使用的统计相关系数比较频繁,所以这里就利用几篇文章简单介绍一下这些系数。

 

相关系数:考察两个事物(在数据里我们称之为变量)之间的相关程度。

 

如果有两个变量:X、Y,最终计算出的相关系数的含义可以有如下理解:

(1)、当相关系数为0时,X和Y两变量无关系。

(2)、当X的值增大(减小),Y值增大(减小),两个变量为正相关,相关系数在0.00与1.00之间。

(3)、当X的值增大(减小),Y值减小(增大),两个变量为负相关,相关系数在-1.00与0.00之间。

 

相关系数的绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。

通常情况下通过以下取值范围判断变量的相关强度:
相关系数     0.8-1.0     极强相关
                 0.6-0.8     强相关
                 0.4-0.6     中等程度相关
                 0.2-0.4     弱相关
                 0.0-0.2     极弱相关或无相关

 

 

Pearson(皮尔逊)相关系数

 

 

1、简介

 

皮尔逊相关也称为积差相关(或积矩相关)是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。

假设有两个变量X、Y,那么两变量间的皮尔逊相关系数可通过以下公式计算:

公式一:

皮尔逊相关系数计算公式

公式二:

皮尔逊相关系数计算公式

公式三:

皮尔逊相关系数计算公式

公式四:

皮尔逊相关系数计算公式

以上列出的四个公式等价,其中E是数学期望,cov表示协方差,N表示变量取值的个数。

 

 

2、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)、两个变量之间是线性关系,都是连续数据。

(2)、两个变量的总体是正态分布,或接近正态的单峰分布。

(3)、两个变量的观测值是成对的,每对观测值之间相互独立。

 

 

3、Matlab实现

 

皮尔逊相关系数的Matlab实现(依据公式四实现):

function coeff = myPearson(X , Y)
% 本函数实现了皮尔逊相关系数的计算操作
%
% 输入:
%   X:输入的数值序列
%   Y:输入的数值序列
%
% 输出:
%   coeff:两个输入数值序列X,Y的相关系数
%


if length(X) ~= length(Y)
    error('两个数值数列的维数不相等');
    return;
end

fenzi = sum(X .* Y) - (sum(X) * sum(Y)) / length(X);
fenmu = sqrt((sum(X .^2) - sum(X)^2 / length(X)) * (sum(Y .^2) - sum(Y)^2 / length(X)));
coeff = fenzi / fenmu;

end %函数myPearson结束

4、参考内容

 

http://zh.wikipedia.org/zh-cn/%E7%9B%B8%E5%85%B3

皮尔逊相关系数,广泛使用于统计学领域,主要用于评估两个连续变量间的线性关系强度和方向。该指标由卡尔·皮尔逊设计,因此得名。下面是对这一系数的详细介绍: 1. **定义**:皮尔逊相关系数用于度量两个变量X和Y之间的线性相关程度。其值范围从-1到+1,其中-1表示完全的负相关,+1表示完全的正相关,而0则表示两个变量之间没有线性相关性。 2. **数学性质**:相关系数的值受到数据中极端值的影响较大,因此在存在异常值时,皮尔逊相关系数可能不是描述相关性的最佳选择。尽管皮尔逊相关系数为零意味着两变量无线性相关性,但这并不意味着它们之间不存在其他类型的相关性,如非线性相关性。 3. **计算方法**:计算皮尔逊相关系数需要利用两个变量的协方差和它们的标准差。公式可以表示为ρXY = σXσY * cov(X, Y)。其中,cov(X, Y)是X和Y的协方差,σX和σY分别是X和Y的标准差。 4. **几何解释**:可以将皮尔逊相关系数视为在多维空间中,两个变量向量之间角度的余弦值。当两个向量完全同向时,相关系数为+1;完全反向时,为-1;相互独立时,为0。 5. **应用领域**:皮尔逊相关系数不仅应用于基础科学研究,如生物学、心理学和社会学等,还广泛应用于市场研究、金融分析和工程领域,帮助研究者和专业人士理解变量间的关系及其强度。
评论 4
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