生物统计-简单相关.pptVIP

Sir Francis Galton (1822-1911), British, half-cousin of Charles Robert Darwin. “Eugenics” and “Regression toward the mean” Karl Pearson, (1857-1936) , British, Pearson distribution, P’s r, P’s chi-square test 第九章 简单相关 问题提出 相关与回归概念 相关系数计算和检验 相关系数的置信区间 难点与重点 总结 变量之间的关系： 函数关系：确定性关系，F=ma，y= πr2; 统计相关：非确定性关系，身高与体重，初生重与断奶重； 生物体诸性状间的关系一般属于统计相关。 统计相关 回归：研究某些变量，估计或预测其他变量 某些变量是因、其他变量是果。 相关：研究变量间关系的强度， 不关心它们之间的因与果，地位彼此平等; 问题提出： 简单相关 概念：指数值变量之间在直线上的数量依存变化关系，通常简称为相关。 分类： 简单直线相关：两个数值变量之间的直线关系； 复相关：一个应变量（dependent variable）与多个自变量（independent variable）之间的相关关系。 相关系数：描述变量之间相关程度大小的指标。 Pearson相关系数(Pearson correlation coefficient) Spearman秩相关系数(Spearman rank-order correlation coefficient) 偏相关系数(partial correlation coefficient) 9.1 问题由来：简单相关 在四川白鹅的生产性能研究中，得到如下一组关于雏鹅重（g）与70日龄重(g)的数据 编号 1 2 3 4 5 6 7 8 9 10 11 12 雏鹅重(x) 80 86 98 90 120 102 95 83 113 105 110 100 70日龄 重(y) 2350 2400 2720 2500 3150 2680 2630 2400 3080 2920 2960 2860 图中的散点看来是呈直线关系。 如何判断X与Y之间是否存在相关？ (Xi, Yi)数值对作散点图； 散点图如果呈现一定的规律性， X与Y有相关关系，散点图如果杂乱无章， X与Y就无相关关系； 在所有的关系中，直线关系最简单、最常用。如果X增大Y也增大/减小，那么X与Y很可能有直线关系。 哪个XY之间可能存在相关？ 正线性关系 负线性关系 样本相关系数的计算 离均差乘积和 样本的协方差 SPXY0, 正线性关系 SPXY ＜0, 负线性关系 SPXY ≈ 0, 没有线性关系 ∴可以用 SPXY 来度量变量之间的线性相关关系 量纲（取值尺度或数量级）? 样本容量n? 样本的相关系数：协方差标准化 X与Y之间线性相关强弱？-1≤ r ≤+1 |r| 较大时，称X与Y 的线性关系紧密； |r| 较小时，称X与Y 的线性关系松懈。 X与Y之间有无线性相关关系？ r 0时，X与Y正相关； r 0时，X与Y负相关； r = 0时，X与Y无线性相关。 150d产奶量 X 43 34 33 35 44 33 36 36 41 35 305d产奶量 Y 77 63 57 55 76 51 66 57 73 50 P125 例9.1: 产奶量相关分析 1. 假设: 总体相关系数ρ, H0: ρ=0, HA: ρ ≠ 0 2. 计算: 离均差平方和分解 相关项 非相关项 总和 平方和 相关平方和 非相关平方和 SS 自由度 1 n-2 n-1 样本相关系数的检验 3. 推断: 变异 自由度df 平方和SS 均方和MS 统计值F 相关项 1 (1) 725.2 725.2 29.7** 非相关项 8 (n-2) 195.3 24.41 总和 9 (n-1) 920.5 F Fα, 拒绝原假设H0，即总体相关系数ρ ≠ 0，X与Y之间存在显著的线性相关关系。 （1）F 检验: F0.01(1,8)=11.26 （2）t 检验: t0.01(8)=3.36 （3）查表检验: r0.01(8)=0.765 9.1.4 总体相关系数ρ的置信区间：r~N(μ, σ)? ρ =0, r近似~N(μ, σ) ρ ≠ 0且样本容量n不够大时，r分布与N相差甚远! L1=Z-1.96Sz，L2=Z+1.96Sz Z的0.95置信区间： r的0.95置信区间： Sir Ronald Aylmer Fisher (1890-1962) r的0.95CI计算，例：r=0.888, n=10 Z的0.95CI r