统计学原理：导论.pptVIP

* 相关係数的性质 r 的取值範围是 [-1,1]， -1?r0，为负相关，0r?1，为正相关。|r|越趋于1表示关係越强；|r|越趋于0表示关係越弱 x与y之间的相关係数和y与x之间的相关係数相等，即rxy= ryx r数值大小与x和y原点及尺度无关，即改变x和y的数据原点及计量尺度，并不改变r数值大小 仅仅是x与y之间线性关係的一个度量，它不能用于描述非线性关係。这意为着， r=0只表示两个变量之间不存在线性相关关係，并不说明变量之间没有任何关係 r虽然是两个变量之间线性关係的一个度量，却不一定意味着x与y一定有因果关係 * 协方差为大的正值时，表示强的正线性相关关係。 协方差接近於零时，表示很小或没有线性相关关係。 协方差为大的负值时，表示强的负线性相关关係。 似乎是这样 cm kg mm kg 大於 基本结论：协方差受计量单位影响，从而不能真实反映相关的程度。 对协方差的理解 * Phi相关係数，φ或rφ 测量两个二元变量(binary variables or dichotomous variables)之间相关性的工具 y=1 y=0 sum x=1 n11 n10 n1* x=0 n01 n00 n0* sum n*1 n*0 n “Phi相关系数”与“Pearson相关系数”类似；使用後者计算两个二元变量（各输入成1/0）之间的相关性时，就会得出Phi相关系数 。 差别。後者的值从?1 到 +1，±1 是其两个端点。前者的极值则受到两个变量各别的二元结果比例所影响，当两个变量的二元结果都是50:50时，Phi值才会从?1 到 +1。 * 构造检验的统计量(计算均方 MS) 组间方差：SSA的均方，记为MSA，计算公式为 组内方差：SSE的均方，记为MSE，计算公式为 * 构造检验的统计量(计算检验统计量 F ) 将MSA和MSE进行对比，即得到所需要的检验统计量F 当H0为真时，二者的比值服从分子自由度为k-1、分母自由度为 n-k 的 F 分布，即 * 构造检验的统计量(F分布与拒绝域) 如果均值相等，F=MSA/MSE?1 a F 分布 F?(k-1,n-k) 0 拒绝H0 不能拒绝H0 F * 统计决策 将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出对原假设H0的决策 根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝k-1、第二自由度df2=n-k 相应的临界值 F? 若FF? ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的因素对观察值有显著影响 若FF? ，则不拒绝原假设H0 ，无证据表明所检验的因素对观察值有显著影响 * 单因素方差分析表(基本结构) 误差来源 平方和 (SS) 自由度 (df) 均方(MS) F值 P值 F 临界值 组间 (因素影响) SSA k-1 MSA MSA MSE 组内 (误差) SSE n-k MSE 总和 SST n-1 * 单向方差分析F检验例子 你想要知道3个不同高尔夫俱乐部的距离是否不同。在每一个俱乐部使用自动化设备随机的测量了5个距离值。在0.05的显著性水平下，距离均值是否不同？ Club 1 Club 2 Club 3 254 234 200 263 218 222 241 235 197 237 227 206 251 216 204 * ? ? ? ? ? 方差分析F检验例子：散点图 270 260 250 240 230 220 210 200 190 ? ? ? ? ? ? ? ? ? ? 距离 Club 1 Club 2 Club 3 254 234 200 263 218 222 241 235 197 237 227 206 251 216 204 俱乐部 1 2 3 * 单向方差分析F检验例子计算 Club 1 Club 2 Club 3 254 234 200 263 218 222 241 235 197 237 227 206 251 216 204 X1 = 249.2 X2 = 226.0 X3 = 205.8 X = 227.0 n1 = 5 n2 = 5 n3 = 5 n = 15 c = 3 SSA