数学建模相关性分析数学建模相关性分析.pdfVIP

数学建模与软件实现 第 7 章 相关性分析 相关性分析是指分析两个随机变量之间是否存在一定的关系. 相关分析可以发现变量间 的共变关系（包括正向的和负向的共变关系），一旦发现了共变关系就意味着变量间可能存在 两种关系中的一种：（1）因果关系(两个变量中一个为因、另一个为果); （2）存在公共因子（两 变量均为果，有潜在的共因）. 很多时候，我们需要寻找这些因果关系，或者是寻找公共因子. 相关性研究是非常有用的， 它是许多深入研究必备的初始阶段工作. 衡量随机变量相关性的度量主要有三种：pearson 相关系数、spearman 相关系数、kendall 相关系数. 7.1 Pearson（皮尔逊）相关系数—线形相关分析 对于二维随机变量 (,)X Y ，根据数学期望性质，若 X 和Y 相互独立，且EX 和EY 存在， 则有 E[( X? EX )( Y?? EY )] E ( XY ) ??? EX EY 0 所以当 EX[(?? EXYEY )( )]? 0 时，必有 X 和Y 不相互独立. 定义 7-1 设 (,)X Y 为二维随机变量，称 EX[(? EXYEY )(? )] 为随机变量 X ，Y 的协方差（Covariance），记为Cov(,) X Y ，即 Cov(,) X Y? E [( X?? EX )( Y EY )] 特别地 Cov(,)[()()] X X? E X??? EX X EX DX Cov(,) Y Y? E [( Y??? EY )( Y EY )] DY 故方差DX ，DY 是协方差的特例. 从定义中看到，协方差和变量的量纲有关. 我们将随机变量标准化，得 X ? EX YEY? X * ? ，Y * ? DX DY CXYov( , ) (,)X **Y 的协方差为 . DX() DY () CXYov( , ) 定义 7-2 设 (,)X Y 为二维随机变量，称 为随机变量 X ，Y 的 Pearson 相关系 DX() DY () 数（Pearson correlation coefficient）或标准协方差（Standard covariance），记为 ? XY ，即 CXYov( , ) ? ? XY DX() DY () 定理 7-1 设 DX()0? ，DY()? 0 ， ? XY 为 (,X Y )的相关系数，则 （1）如果 X ，Y 相互独立，则 ? XY ? 0 ；