计算相关系数进行显著性检验

  1. 某地区粮食产量与受灾面积的历年数据见(实验1数据中的“题目1”sheet),试计算二者之间的相关系数,并对相关系数进行显著性检验(α =0.05) 

 

1.	import numpy as np  
2.	  
3.	x_simple=np.array([251,801,200,409,415,502,314,1101,980,1124])  
4.	y_simple=np.array([52,101,65,88,90,98,120,150,140,120])  
5.	  
6.	#计算相关系数函数  
7.	my_rho = np.corrcoef(x_simple, y_simple)  
8.	print(my_rho)  

 粮食产量与受灾面积之间的相关系数为:0.80300252。

 在表中,f称为自由度,其数值位f=n-2=8,n为样本数,n=10;α =0.05时查上表可知:r0.05=0.6319。p{|0.80300252|>r0.05}=α 即所计算的相关系数0.80300252的绝对值大于α=0.05 水平下的临界值0.6319时,两要素不相关的记录的可能性只有0.05。因此,粮食产量与受灾面积现状显著相关。

  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在MATLAB中,可以使用相关系数显著性检验函数来评估相关系数的显著性。 显著性检验是为了确定相关系数是否在统计上是显著的,即相关性是否是真实存在的。在MATLAB中,可以使用corrcoef函数来计算相关系数,然后使用corrcoef的后续函数来进行显著性检验。 其中,corrcoef函数用于计算相关系数矩阵,它接受一个包含多个变量的矩阵作为输入参数,返回一个相关系数矩阵。例如,corrcoef(X)将计算变量矩阵X中所有变量之间的相关系数。 对于相关系数显著性检验,可以使用函数corrcoef的输出结果作为输入参数继续使用函数corrcoef。例如,[R, p] = corrcoef(X)将返回相关系数矩阵R和对应的p值矩阵p。其中,p值表示相关系数是否显著。 在显著性检验中,通常使用假设检验方法来确定相关系数的显著性。可以设置一个显著性水平,例如0.05,然后假设零假设为相关系数等于零,即H_0: ρ = 0。然后可以使用函数corrcoef的输出结果p值与显著性水平进行比较。 如果p值小于显著性水平,例如p < 0.05,那么可以拒绝零假设,即相关系数是显著的。如果p值大于显著性水平,例如p > 0.05,那么不能拒绝零假设,即相关系数不是显著的。 总之,MATLAB提供了计算相关系数以及进行显著性检验的函数。通过使用这些函数,可以评估相关系数的显著性,并确定相关性是否真实存在。
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