数学建模相关性分析.pdf

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E [(X EX )(Y EY )] 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 E [(X EX )(Y EY )] X Y Cov( X , Y ) 为随机变量 ， 的协方差（Covariance ），记为 ，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 * Y EY X ，Y DX DY * * C ov( X ,Y ) (X , Y ) 的协方差为 . D (X ) D (Y ) C ov( X ,Y ) 定义 7-2 设(X , Y ) X Y 为二维随机变量，称 为随机变量 ， 的Pearson 相关系 D (X ) D (Y ) 数（Pearson correlation coefficient ）或标准协方差（Standard covariance），记为 ，即 X Y C ov( X ,Y ) XY