数理统计15相关与回归.pptVIP

变量之间的关系: 血药浓度与时间、年龄与 血压、维生素片的含量与贮存期等。 函数关系：确定关系。例如圆的面积 S=? r2 时间与体温. 相关关系(correlation)：非确定。例如人的 年龄与血压, 身高与体重. 回归分析(regression analysis)：研究具有相关 关系的变量之间的数量关系式的统计方法。 回归（regression) 第一节 相关分析 一、散点图 设对两个随机变量 X 和 Y 进行观测，得到 一组数据 现以直角坐标系的横轴代表变量 X，纵轴代表变量 Y，将这些数据作为点的坐标描绘在直角坐标系中，所得的图称为散点图 (scatter diagram)。 二、相关关系与样本相关系数 （一）相关关系 (correlation) 两个随机变量，如果对其中任一个随机变量的每一个可能取的值，另一个随机变量都有确定的分布与之对应，并呈直线变化的趋势，则称这两个随机变量之间存在相关关系. 在统计中，用相关指标来表明相关变量之间的密切程度，其理论、计算和分析称为相关分析。 在相关分析中，用来度量随机变量 X 与 Y 之间线性相关关系密切程度的统计指标是相关系数(correlation coefficient)。 总体相关系数 其中 是随机变量 X 和 Y 的协方差。 总体的相关系数 ? 是反映两个变量之间线性 相关程度的一种统计参数（数字），它不受 X、Y 量纲的影响，表现为一个常数，其取值 介于 -1 和 1 之间，即 -1 ≤? ≤1。 （1）当 ? ? ?=1时，称 X 与Y 完全相关（即 呈线性函数关系） （2）当 ? =1 时，称 X 与 Y 完全正相关 （3）当 ? =-1 时，称 X 与 Y 完全负相关 （4）当 ? =0 时，称 X 与 Y 不相关 (non- correlation), 即 X 与 Y 不存在线性关系 （5）当 ? ＞0时，称 X 与 Y 正相关 (positive correlation) （6）当 ? ＜0时，称 X 与 Y 负相关(negative correlation) （二）样本相关系数 定义9-1 对变量 ( X, Y ) 的一组样本观测数据 ，称 (9-2) 为样本相关系数 (sample correlation coefficient) 或 Pearson 相关系数 其中 样本相关系数没有单位，其取值为 -1≤r≤1 （1）?r?=1，散点图中所有对应的点在同一条 直线上, X 与 Y 实际上是一种线性函数关系. （2）0? ?r??1，X 与 Y 间存在一定的线性相关关系。 ?r? 的值越大，越接近于1，X 与 Y 之间线性相关程度就越高；反之， ?r? 的值越小，越接近于0，X 与Y 之间线性相关程度就越低。 （3）r =0， X 与 Y 之间不存在线性相关关系。 （三）相关系数的显著性检验 检验步骤: 1）建立原假设 H0: ? =0 (X 与 Y 不相关）； H1 : ?≠0 2）计算样本相关系数 r 的值； 3）对给定的显著水平 ? ，自由度为 n-2，由 相关系数检验表（表16）得临界值 r?/2(n-2); 4）统计判断：当 ?r?≥ r?/2，则 P＜?，拒绝H0， 即认为变量 X 与 Y 间的相关性显著； 当 ?r?＜ r?/2，则 P ?，接受 H0 ，即认为变 量 X 与 Y 间的相关性不显著。 例9-1 在开发一种抗过敏新药时，要对不同剂量的药效进行检验。10 名患者各服用了该新药一个特定的剂量，药物作用消失时立即记录。试验数据列于表 9-1 中，X 是剂量 Y 是症状持续消除的日数，用 7 个不同的剂量，其中 3 个剂量重复给两名患者。 （1）画出剂量