7.2 成对数据的线性相关性 课件（共17张PPT）.pptxVIP

7.2成对数据的线性相关性

1.结合实例，了解样本相关系数的统计含义.2.了解样本相关系数与标准化数据向量夹角的关系.3.会计算样本相关系数，并能根据相关系数的大小判断变量之间相关程度的强弱.

给定两个随机变量(X，Y)的7组成对数据：利用最小二乘法，可以得到Y关于X的线性回归方程为Y=0.143X+0.102.这时，X和Y是否具有线性关系呢？

如图可知这7组成对数据均位于单位圆上，所以X和Y不具备线性关系.当数据不多时，散点图变量相关关系定性推断但是对一般的情形又如何判断呢？问题1：如何判断两个随机变量是否具有线性关系呢？

为了解决这个问题，引入（线性）相关系数的概念，通过计算两个随机变量间的（线性）相关系数，来判断它们之间线性相关程度的大小.以本章第1.2节为例，已知Y关于X的线性回归方程为由可知，一定满足线性回归方程，∴①若X和Y的线性相关性好，则yi和(i=1，2，3)的差应该不大，最理想的状况应该是②

记向量u=，v=，则③式可记为v=u.线性回归方程最理想的状况是向量u，v共线(向量u，v的夹角为0或π).因此，可以用向量u，v夹角的大小来刻画X和Y线性相关的程度，记由①②式消去得③注：显然|r|≤1.|r|值越接近1，说明X和Y的线性相关性越强；|r|值越接近0，说明X和Y的线性相关性越弱.

问题2：在处理很多实际问题时，常常需要把一组数据x1，x2，...，xn，标准化，即把它转化为均值为0、方差为1的数据.如何实施呢？令(i=1，2，...，n)，不难验证x1，x2，...，xn是均值为0、方差为1的数据，称它为原来数据x1，x2，...，xn的标准化.把x1，x2，...，xn和y1，y2，...，yn分别标准化，得到此时，向量(x1，x2，...，xn)，(y1，y2，...，yn)的夹角余弦值与向量u=(…，)，v=的夹角余弦值相同.

概念生成一般地，设随机变量X，Y的n组观测值分别为(x1，y1)，(x2，y2)，...，(xn，yn)，记称r为随机变量X和Y的样本（线性）相关系数.

为了计算的方便，再给出如下式子：

显然，样本（线性）相关系数r的取值范围为[-1，1].|r|值越接近1，随机变量之间的线性相关程度越强；|r|值越接近0，随机变量之间的线性相关程度越弱.当r0时，两个随机变量的值总体上变化趋势相同，此时称两个随机变量正相关；当r0时，两个随机变量的值总体上变化趋势相反，此时称两个随机变量负相关；当r=0时，此时称两个随机变量线性不相关.

例1:为了对2020年某校期末成绩进行分析，在60分以上的全体同学中随机抽取8位，他们的数学、物理成绩对应如下表：学生编学成绩x6872788185889193物理成绩y7066818379809289?

?

例2:计算下表两个随机变量之间的样本相关系数r，并谈谈通过计算发现了什么.x-5-4-30345y0345430解：因此，

由此可知，样本数据不具有线性相关性，建立线性回归方程是没有任何意义的.从图可以看出，表格中的数据都在同一个半圆上，与样本相关系数r的计算结果一致.注：当r＝0时，只表明成对样本数据间没有线性相关关系，但不排除它们之间有其他相关关系.

1.对变量x，y有观测数据(xi，yi)(i＝1，2，…，10)，得散点图如图(1)；对变量u，v有观测数据(ui，vi)(i＝1，2，…，10)，得散点图如图(2)．由这两个散点图可以判断()A.变量x与y正相关，u与v正相关B.变量x与y正相关，u与v负相关C.变量x与y负相关，u与v正相关D.变量x与y负相关，u与v负相关C

2.已知两个变量负相关，且相关程度很强，则它们的相关系数的大小可能是()A.－0.95B.－0.13C.0.15D.0.963.变量X，Y的散点图如图所示，那么X，Y之间的样本相关系数r最接近的值为()A.1 B