相关系数

这篇博客介绍了皮尔逊Person相关系数及其假设检验,包括相关系数的意义、计算及检验过程。强调了数据正态分布和线性关系对皮尔逊相关系数的重要性,并讨论了在不满足条件时如何选择斯皮尔曼相关系数。
摘要由CSDN通过智能技术生成

借鉴自清风老师课程。

 

我们首先要明确一点,相关分析与回归分析之间的区别是什么?

 

答:回归分析侧重于研究随机变量间的依赖关系,以便用一个变量去预测另一个变量;

相关分析侧重于发现随机变量间的种种相关特性。

 

总体皮尔逊Person相关系数

协方差:反映x和y的相关性。

两个变量本身就是线性的关系,皮尔逊相关系数才能起到作用。

一定会给要画出散点图再下结论是否相关。

对相关系数大小的解释

 

对皮尔逊相关系数进行假设检验:

 

1)提出原假设和备择假设

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