函数相关系数大小意义_数学建模笔记——相关系数

今天写一个比较简单也比较常用的内容——相关系数。

相关系数，并不是一个陌生的概念，因为高中的时候好像就学过了。只不过那个时候没有讲太深入，当然啦，我这篇笔记也不会讲得多深入，能力达不到嘛。理解一下，会用就好。

相关系数，其实就是衡量两个变量之间相关性的大小的指标，常用的相关系数有两种，一种是pearson相关系数，也就是《概率论与数理统计》这本书里提到的，平时最为常用的相关系数。另一种称之为spearman相关系数，我也是在清风老师的课中第一次听说，它衡量的是两个变量的依赖性，唔，也可以理解为单调性啦。接下来我就介绍一下我学到的内容吧~

相关概念引入

总体与样本

总体与样本是初等统计学中最为基本的概念之一。在统计学中，我们时常要对一些对象，人，事，物等进行观察研究，希望发现它们运动变化过程中的一些内在的规律。但是，出于各种条件的限制，我们往往很难我们感兴趣的群体的全部信息。例如，我们想要知道中国大学生的每月平均消费水平，理想状态下，我们首先应该知道中国所有大学生每个人的平均月消费，再加总起来除以人数。但想想就知道，除非付出极大的代价，否则不可能获取到每一个人的花费信息。

但实际上，我们也没有太大必要进行这种普查性质的活动。我们可以首先根据地理位置或者其他指标选定一些学校，作为我们进行调查的学校。之后在这些学校里，我们又可以按照某种指标，或者尽可能多得选择一些学生进行询问。这样，我们就获得了研究对象中一部分学生的消费信息，之后就可以计算这部分学生的平均月消费，并且将它视为全部大学生的平均月消费。

在上面这个例子中，总体就是我们感兴趣的研究对象全体，也就是全中国的大学生。样本就是我们最后真正得到信息的那部分学生。而从总体中获得样本的过程，就称之为抽样。hhh这些高中应该都学过，简单说一下。

为什么要进行抽样获得样本呢？就是因为总体数据的获取过于困难，我们只好退而求其次，选择一个可以代表总体的样本，用这个样本的相关统计量，相关规律等来推测总体的相关统计量以及规律。 那为什么可以用样本的性质来代表或者推测总体的性质呢？这个我也不太清楚，因为大家都默认是这样的。

简单理解一下，个体的某些性质，我们是不好揣测的，特别是有些个体，本身就有较大的波动。所以观察个体的数据，我们很难得到什么一般性的结论。但许多个个体聚在一起，他们的行为，性质等可能会表现出某种同步性，或者说规律性。个体是特殊的，但总体中的个体又是普通的，统计学想要发掘的，大概就是个体中存在的共性。这种共性，或者说规律本身是固定的，观察数量的多少，主要决定着对这种规律的反映程度。数量越多，规律自然会更清晰更直观。因此，样本相对于总体，其区别可能就是对规律或者共性的反映清晰度不同，但本质上是一样的。那么，用样本估计总体或者代替总体，就无可厚非了。(以上全是瞎扯)

描述性统计

简单介绍一下样本的描述性统计。所谓描述性统计，就是通过表格，图形等手段从各个方面对数据进行展示的过程。其主要作用就是从总体上看一看数据变量的特征、分布、变化趋势等等。

简单的描述性统计主要有两个内容，一是对数据变量进行五数概括，看一看变量的位置分布；另一个就是展示一下数据变量的均值与方差。除此之外，出于美观以及方便的需要，我们还会把数据进行可视化操作，以更好地进行展示。

五数概括，就是指出变量数据的最小值、最大值、第一四分位数、中位数以及第三四分位数。很简单，首先把数据从小到大进行排序，第一个就是最小值，最后一个就是最大值，处于最中间位置的便是中位数的值了。

对中位数左边的数据(除去中位数)计算中位数，即第一四分位数；对中位数右边的数据(除去中位数)计算中位数，即第三四分位数。如果进行比较明确的定义，数据变量的分位数代表着。那四分位数，其实也就是分别为25%，50%，75%的情况了。再加上最大值和最小值，便是所谓的五数了。

五数概括的目的在于描述变量的分布，观察变量的总体情况。相对于平均数或者中位数这种单一指标，五数概括包含的信息就更加充分了。