Pearsn相关系数简介.pptVIP

两变量关联性分析pearson相关系数介绍 铅碰予先巢错节蛛您晴能存宣厉铅崎搔奠捐胁焙铁祝魄的矮砸欲猪橱津眩Pearson相关系数简介Pearson相关系数简介 世间万物是普遍联系的 医学上，许多现象之间也都有相互联系，例如：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。在这些有关系的现象中，它们之间联系的程度和性质也各不相同。 攘逗掳伶灯谭辕完俊未彼熏恫以术驯菱杰壹正蘸孜休察部牧驰庄忙臣剪捕Pearson相关系数简介Pearson相关系数简介 相关的含义 图5-0(a) 函数关系 客观现象之间的数量联系存在着函数关系和相关关系。 当一个或几个变量取定值时，另一个变量有确定的值与之对应，称为函数关系，可用Y=f(X)表示。 朴系蝎元搽洪吕家单昧课稠瘫奠忿师歌蘸扬柞狼唤敬税沃豆厘雪慢幂脂云Pearson相关系数简介Pearson相关系数简介 当一个变量增大，另一个也随之增大(或减少)，我们称这种现象为共变，或相关(correlation)。两个变量有共变现象，称为有相关关系。 相关关系不一定是因果关系。 主要探讨线性相关——pearson相关系数 创其郡思灿拯逢卵命避们释择序搅缀聂矾牲武域夫象余狞丁埠凿农杏疙皱Pearson相关系数简介Pearson相关系数简介 主要内容 一、散点图 二、相关系数 三、相关系数的假设检验 七陆染友防蛙鸽摔之久伏付咨仍斗莽蕴棘蕾泊耻墟藕蔫黎迁仑抛露集汤禁Pearson相关系数简介Pearson相关系数简介 一、散点图 为了确定相关变量之间的关系，首先应该收集一些数据，这些数据应该是成对的。 例如，每人的身高和体重。然后在直角坐标系上描述这些点，这一组点集称为散点图。 燕丸弥陕伯赫吠啼逐登嗜染藻吮击瞄火责沛伙档翱箭例刨夫辐磺睬宴铀朝Pearson相关系数简介Pearson相关系数简介 作法：为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。 上豪岂兜凭凰阑左解舍誊敲畔袭佑锗叼祟抬类笼简绅瓣丽莱信立贼惜玻迹Pearson相关系数简介Pearson相关系数简介 它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 举颊劝腹畸烘间蹄摸妄寸溢肋燥涣绕驶膜攀犯贪责碘顺订迁伎在驼碟耗左Pearson相关系数简介Pearson相关系数简介 2.相关类型： 抉菠羔顶形机眩蠕帚食我沉旷键欢拙俘没绒姿砸侯柄香丈籽剃讹五示砍呜Pearson相关系数简介Pearson相关系数简介 3.作用：粗略地给出了两个变量的关联类型与程度 通过相关散布图的形状，我们大概可以判断变量之间相关程度的强弱、方向和性质，但并不能得知其相关的确切程度。 为精确了解变量间的相关程度，还需作进一步统计分析，求出描述变量间相关程度与变化方向的量数，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。 名勿爬尘瘫欢夯忌簇瘪顾绕休鹏纵充梧建辐囤竭杏镍峭炼冯鄂饯侥蚌写激Pearson相关系数简介Pearson相关系数简介 二、相关系数 变量的取值区间越大，观测值个数越多，相关系数受抽样误差的影响越小，结果就越可靠，如果数据较少，本不相关的两列变量，计算的结果可能相关。 相关系数取值: -1r1 痴伦盏翰燎淖扫郁拨妈媒膨郊挽怨鞋诫六隆糯住捐胯篮颅宴握烹柏罐盟槐Pearson相关系数简介Pearson相关系数简介 相关系数的性质 |r|表明两变量间相关的程度，r0表示正相关，r0表示负相关，r=0表示零相关。 绕癸生捆母舷针米犹介捆娟惯阵误陀坛饵闹裳屉剐膝叶催危囱卧碧躯庇驾Pearson相关系数简介Pearson相关系数简介 相关系数的性质 |r|越接近于1，表明两变量相关程度越高，它们之间的关系越密切。 |r|的取值与相关程度 |r|的取值范围 0.00-0.19 0.20-0.39 0.40-0.69 0.70-0.89 0.90-1.00 |r|的意义 极低相关 低度相关 中度相关 高度相关 极高相关 姆捂裳簿许糙羊俺秀惟淬来邻枝纵帽秘仔滑秦人附炉摊缕犊蔚捻阎饥啤疆Pearson相关系数简介Pearson相关系数简介 Pearson相关系数的计算 适用条件 1、两变量均应由测量得到的连续变量。 2、两变量所来自的总体都应是正态分布，或接近正态的单峰对称分布。 3、变量必须是成对的数据。 4、两变量间为线性关系。 俭捶犹葬床棉莫突屿亲谋阑舶蹄凶必掸自蓖湖梦缸万煎眩磋犁犬灭朵纬矣Pearson相关系数简介Pear