1.3多维数据数字特征与相关分析.ppt

1.3 多维数据的数字特征及相关分析;1.3 多维数据的数字特征及相关分析;1.3 多维数据的数字特征及相关分析;复习：数据的分布; 一. 二维总体的数字特征及相关系数; 二维数字特征的性质;二．观测数据协方差、相关系数、检验 ;—Pearson相关系数;当(X,Y)T 为二维正态;1．秩统计量;注：当X,Y相关性较强,两组秩统计量相关性也较强 ;基于Spearman相关系数的假设检验 ; 四．SAS系统 proc corr过程; 四．SAS系统 proc corr过程; 例1.9结果输出 CORR 过程 2 变量： x y 协方差矩阵S，自由度n-1 = 19 x y x 570.4500 7845.0789 y 7845.0789 112404.2632 简单统计量 变量 N 均值 标准偏差 中位数 最小值 最大值 x 20 33.85000 23.88410 27.00000 5.00000 70.00000 y 20 477.50000 335.26745 342.00000 82.00000 1125;结果分析： ;1.3 多维数据的数字特征及相关分析;1.3.2 多维总体数字特征、相关矩阵及正态分布;总体相关矩阵：;二．随机向量的性质;三．多维正态分布;2. p维正态分布;(1)线性组合为正态分布;1.3 多维数据的数字特征及相关分析; 一．样本观测数据的协方差、相关矩阵;1.3.3 多维数据的数字特征及相关分析; ;例1.10 测20个3个生理指标:体重(X1)、腰围(X2)、脉搏(X3);3个训练指 标:引体向上(X4)、仰卧起坐(X5)、跳跃(X6)次数.数据见书表1.2: 解: 程序：;(1) 计算观测数据均值向量、协方差阵、Pearson相关阵;样本协方差矩阵S ;Pearson相关系数矩阵R Pearson 相关系数, N = 20 当 H0: Rho=0 时，Prob |r| x1 x2 x3 x4 x5 x6 x1 1.00000 =0.87024 -0.36576 -0.38969 -0.49308 -0.22630 相关性好 p12.0001 0.1128 0.0894 0.0272 0.3374 x2 0.87024 1.00000 -0.35289 -0.55223 -0.64560 -0.19150 .0001 0.1270 0.0116 0.0021 0.4186 x3 -0.36576 -0.35289 1.00000 0.15065 0.22504 0.03493 0.1128 0.1270 0.5261 0.3401 0.8838 x4 -0.38969 -0.55223 0.15065 1.00000 0.69573 0.49576 0.