体育统计学 第6章 相关分析.ppt

一、变量间的两种关系 在统计学中，事物或现象之间的关系是通过变量间的关系反映出来的。变量间的关系分为确定性关系和非确定性关系两类。确定性关系即函数关系，非确定性关系即相关关系。 函数关系 函数关系反映着现象之间存在着严格的依存关系，在这种关系中，对于变量X的每一个数值，都可以通过对应法则 使变量Y有一个确定的值与相对应（反之亦然），此时称变量X和Y有函数关系。例如，圆面积S对于圆半径R的依存关系可用一个确定的对应法则（函数式） 反映出来。 两个变量如果有函数关系，知道其中一个变量的值，另外一个变量的值就会被确定。 相关关系 当研究的两个事物或现象之间，既存在着相互影响、相互制约的数量关系，又不像函数关系那样，能由一个变量的数值精确地求出另一个变量的数值来，这类变量间的关系称为相关关系，简称相关。 在体育运动中，存在着许多相关关系，如身高与体重之间的关系、百米跑成绩与跳远成绩之间的关系、现代五项运动中的游泳成绩与越野跑成绩之间的关系，等等。 在实际中，由于测量误差的存在，变量间的函数关系往往以相关关系表现出来，相关又可分为线性相关与非线性相关。 二、线性相关系数的意义 散点图 为了考察两个连续型随机变量X和Y之间是否存在某种程度的线性关系，可以对同一观察单位同时测量X和Y的数值，从而得到一对观察值。从总体中随机抽取n对观察值，记为 ，这就是讨论两个连续型变量线性相关的样本。 图6-1 散点图 考察相关性最简单而直观的办法是在XOY直角坐标系上画出散点图，通过散点图可以看出两个变量间是否存在线性关系。 这n对观察值分别代表n个点，在直角坐标系XOY上将其点画出，便构成了一幅散点图，如图6-1所示。 线性相关系数的意义 对于两个连续型变量来说，描述两个变量之间直线关系的密切程度和相关方向的统计指标叫相关系数。统计上也称为Pearson 积矩相关系数。 样本线性相关系数一般用表示、总体相关系数一般用 表示。 相关系数没有单位，其取值范围为 ，若变量间的直线关系越密切，则 越接近于1；当变量之间的直线关系越不密切， 越接近0。 1、正相关 若两个变量同时趋于同一方向变化，即当X增加（或减少）时，Y也相应具有增加（或减少）的趋势时，则称为正相关，此时 ；若此时所有点都在同一条直线上， ，称为完全正相关。如图6-2所示。 1、负相关 若两个变量间，当X增加（或减少）时，Y却具有减少（或增加）的趋势时，称为负相关，此时， ；若此时所有点都在同一条直线上， ，称为完全负相关。如图6-3所示。 3、完全无关 当两个变量X与Y之间，Y值的变化不受X值变化的影响时（反之亦然），我们称X与Y完全无关，此时必有 。 但须注意的是X与Y完全无关（零相关）时，两个变量无任何关系，必定有 但反过来 只表示与之间无直线相关关系，并不能保证两变量间无其他非线性关系。如图6-4所示。 三、线性相关系数的计算 公式 在实际工作中，我们通常只计算样本相关系数。其公式为： （6-1） 式6-1中： ，是变量的离均差平方和； ，是变量的离均差平方和； ，是变量X、Y的离均差积和。 计算相关系数的实例 ［例6-1］ 为讨论父子身高间线性相关程度，某教师在大学一年级中随机抽取了16名男生，分别调查了他们及他们父亲的身高数据（cm），如表6-1所示，计算父子间身高的相关系数。 解：用EXCEL软件计算，如表6-2所示。 ［例6-2］ 32名大学女生的身高（厘米）与体重（公斤）数据如表6-3所示，求身高与体重的相关系数。 解：用EXCEL软件计算，如表6-3所示。