数学建模(5.3)相关系数_皮尔逊相关系数假设检验

数学建模(5.3)相关系数_皮尔逊相关系数假设检验

对于相关系数大小的解释

比起相关系数的大小,显著性可能会更重要。

皮尔逊相关系数假设检验

1、提出原假设和备择假设

双侧检验: H 0 : r = 0 H_0:r=0 H0:r=0 H 1 : r ≠ 0 H_1:r\neq 0 H1:r=0

单侧检验: H 0 : r = 0 H_0:r=0 H0:r=0 H 1 : r < 0 H_1:r < 0 H1:r<0 H 1 : r > 0 H_1:r > 0 H1:r>0

2、皮尔逊相关系数一般使用t分布

t = r n − 2 1 − r 2 t=r\sqrt{\frac{n-2}{1-r^2}} t=r1r2n2

r r r是相关系数

n是数据量

% tpdf是自由度为n-2的x的概率密度函数
% x是探究的变量
% n是数据量
y = tpdf(x,n-2);

3、常见置信水平:

90 % 、 95 % 、 99 % 90\%、95\%、99\% 90%95%99%

从t分布表中对比

检验值 t = r n − 2 1 − r 2 t=r\sqrt{\frac{n-2}{1-r^2}} t=r1r2n2 落在哪个区域,在拒绝域就拒绝,在接受域就接受

p值判断法

p就是 ∫ − ∞ x f ( x ) \int _{-∞}^xf(x) xf(x)

% 双侧检验要乘二,单侧检验不用乘二
p = (1-tcdf(t*,n-2))*2

p<0.05,说明拒绝原假设,p>0.05,接受原假设。

有0颗表示在0.1上拒绝原假设,
有1颗
表示在0.1上接受原假设,
有2颗表示在0.05上接受原假设,
有3颗
表示在0.01上接受原假设。
星星越多越显著(不过不同软件标记不同,看注释就好)。

% R为相关系数,P为对应于每个相关系数的P值
% Test表示矩阵
[R,P]=corrcoef(Test);

SPSS分析:

分析->相关->双变量->(皮尔逊、双尾/单尾、标记显著性相关性)

条件

实验数据来自正态分布的总体

实验数据差距不能太大

样本之间独立抽样的

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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