Pearson相关系数简介_第1页
Pearson相关系数简介_第2页
Pearson相关系数简介_第3页
Pearson相关系数简介_第4页
Pearson相关系数简介_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、双变量相关分析的皮尔逊相关系数表明，世界上的一切都是普遍相关的，医学上的许多现象也是相互关联的，如身高与体重、体温与脉搏、年龄与血压、产前检查与婴儿体重、乙肝病毒与乙肝等。在这些相关的现象中，它们的联系程度和性质也是不同的。相关含义，图5-0(a)功能关系，客观现象的数量关系之间有功能关系和相关关系。当一个或几个变量有一个固定值时，另一个变量有与之对应的某个值，这叫做函数关系，可以用Y=f(X)来表示。当一个变量增加时，另一个变量增加(或减少)。我们称这种现象为协变或相关。两个变量有协变现象，这叫做相关性。相关性不一定是因果关系。本文主要讨论线性相关的皮尔逊相关系数。主要内容如下：1 .散点图

2、2。相关系数3。相关系数1的假设检验。散点图。为了确定相关变量之间的关系，应该首先收集一些数据，并且将这些数据配对。例如，每个人的身高和体重。然后在直角坐标系中描述这些点，这组点称为散点图。为了研究父亲和成年儿子的身高之间的关系，卡尔皮尔森测量了1078对父子的身高。如图所示，用坐标表示1078对数字。横轴上的数字代表父亲的身高，纵轴上的数字代表儿子的身高。由1078个点组成的图形是散点图。它的形状像橄榄云，中间有密集的点，边缘有几个点，它的主要部分是椭圆形。2。相关类型：3。函数：粗略给出了两个变量的相关类型和程度。通过相关散点图的形状，我们或许可以判断变量之间相关程度的强弱、方向和性质，但我们无法知道确切的相关程度。为了准确地理解变量之间的相关程度，需要进一步的统计分析来找出描述变量之间的相关程度和变化方向的量，即相关系数。总体相关系数用p表示，样本相关系数用R表示.2、相关系数，变量的取值区间越大，观测值的数量越多，相关系数受采样误差的影响越小，结果越可

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论