[相关系数.docxVIP

相关系数相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。于是，著名统计学家卡尔·皮尔逊设计了统计指标——相关系数(Correlation coefficient)。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。1、定义相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。相关系数公式简单相关系数：又叫相关系数或线性相关系数，一般用字母r 表示，用来度量两个变量间的线性关系。复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。2、性质(1)定理： | ρXY?| = 1的充要条件是，存在常数a，b，使得P{Y=a+bX}=1；相关系数ρXY取值在-1到1之间，ρXY?= 0时，称X,Y不相关； | ρXY?| = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系； | ρXY?| 1时，X的变动引起Y的部分变动，ρXY的绝对值越大，X的变动引起Y的变动就越大， | ρXY?| 0.8时称为高度相关，当 | ρXY?| 0.3时称为低度相关，其它时候为中度相关。(2)推论：若Y=a+bX，则有证明： 令E(X) = μ，D(X) = σ2则E(Y) =?bμ +?a，D(Y) =?b2σ2E(XY) =?E(aX?+?bX2) =?aμ +?b(σ2?+ μ2)Cov(X,Y) =?E(XY) ??E(X)E(Y) =?bσ2若b≠0，则ρXY?≠ 0。若b=0，则ρXY?= 0。软件公司在全国有许多代理商，为研究它的财务软件产品的广告投入与销售额的关系，统计人员随机选择10家代理商进行观察，搜集到年广告投入费和月平均销售额的数据，并编制成相关表，见表1:表1　广告费与月平均销售额相关表　单位：万元年广告费投入月均销售额12.5　15.3　23.2　26.4　33.5　34.4　39.4　45.2　55.4　60.921.2　23.9　32.9　34.1　42.5　43.2　49.0　52.8　59.4　63.5参照表1，可计算相关系数如表2：序号广告投入(万元)　x月均销售额(万元)　y1　2　3　4　5　6　7　8　9　1012.5　15.3　23.2　26.4　33.5　34.4　39.4　45.2　55.4　60.921.2　23.9　32.9　34.1　42.5　43.2　49.0　52.8　59.4　63.5156.25　234.09　538.24　696.96　1122.25　1183.36　1552.36　2043.04　3069.16　3708.81449.44　571.21　1082.41　1162.81　1806.25　1866.24　2401.00　2787.84　3528.36　4032.25265.00　365.67　763.28　900.24　1423.75　1486.08　1930.60　2386.56　3290.76　3867.15合计346.2422.514304.5219687.8116679.09=0.9942相关系数为0.9942，说明广告投入费与月平均销售额之间有高度的线性正相关关系。3、应用1.在概率论计算中的应用例1．若将一枚硬币抛n次，X表示n次试验中出现正面的次数，Y表示n次试验中出现反面的次数。计算ρXY。解：由于X+Y=n，则Y=-X+n，根据相关系数的性质推论，得ρXY?= ? 1。例2．已知随机变量X、Y分别服从正态分布N(1，9)，N(0，16)且X，Y的相关系数设，求证X，Z相互独立。证明：由已知得E(X)=1，D(X)=9，E(Y)= 0，D(Y) = 16由于正态分布的随机变量的线性组合仍然服从正态分布，知Z是正态变量。根据数学期望的性质有根据方差的性质有得由于?E(XY) =?Cov(X,Y) +?E(X)E(Y) = ? 6，E(X) =?D(X) + [E(X)] = 10ρXZ?= 0，X，Z不相