Pearson(皮尔逊)相关系数

Pearson(皮尔逊)相关系数:也叫pearson积差相关系数。衡量两个连续变量之间的线性相关程度

当两个变量都是正态连续变量,而且两者之间呈线性关系时,表现这两个变量之间相关程度用积差相关系数,主要有Pearson简单相关系数

 

Pearson相关系数公式如下:

 

Pearson(皮尔逊)相关系数是用协方差除以两个变量的标准差得到的,虽然协方差能反映两个随机变量的相关程度(协方差大于0的时候表示两者正相关,小于0的时候表示两者负相关),但是协方差值的大小并不能很好地度量两个随机变量的关联程度

 

pearson是一个介于-1和1之间的值:

(1)两个变量的线性关系增强时,相关系数趋于1或-1;

(2)当一个变量增大,另一个变量也增大时,表明它们之间是正相关的,相关系数大于0;

(3)如果一个变量增大,另一个变量却减小,表明它们之间是负相关的,相关系数小于0;

(4)如果相关系数等于0,表明它们之间不存在线性相关关系。

 

转载于:https://www.cnblogs.com/quietwalk/p/8287941.html

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之的线性相关程度。其范围从-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则表示两个变量之没有线性相关性。 2. **数学性质**:相关系数受到数据中极端的影响较大,因此在存在异常时,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中,两个变量向量之角度的余弦。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的关系及其强度。
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