多维数据的数字特征及相关分析.pptVIP

注意：数据的协方差矩阵是对称矩阵，且是非负定的。Pearson相关系数是随机变量的观测数据的两个分量线性相关密切程度的度量。由二维观测数据可以算得相关系数且一般不等于零，但当二元总体的两个分量不相关，用直接计算得的数据相关系数去度量之间的关联性是没有意义的。当X,Y相关性较强,则两组秩统计量相关性也较强SAS系统proccorr过程可计算多维数据之间Pearson、Spearman相关系数，多维观测数据均值向量及协方差矩阵同时输出各对变量相关系数为0的检验值均值向量和协方差矩阵是维观测数据的重要的数字特征。表示维观测数据的集中位置，协方差矩阵的对角线元素分别是各个变量观测值的方差，非对角线元素是两两变量观测值之间的协方差。注意：1.Spearman相关矩阵适用于研究具有一般分布的维总体，且对异常值具有耐抗性,同样非负定的。2.原数据的相关系数即为标准化数据观测矩阵的协方差阵。**复习1.2数据的分布常见分布—正态分布，Weibull分布等、直方图、经验分布函数、QQ图茎叶图拟合检验：正态性W检验数据分布拟合检验—检验法、经验分布拟合检验法**1.3多维数据的数字特征及相关分析基本内容二维总体数字特征观测数据协方差Pearson相关系数Spearman相关系数SAS系统corr过程p维总体数字特征相关系数矩阵随机向量的性质多维正态分布观测数据协方差Pearson相关矩阵Spearman相关矩阵proccorr过程1.3.1二维数据的数字特征及相关系数1.3.3多维数据的数字特征及相关矩阵1.3.2多维总体的数字特征、相关矩阵及多维正态分布**二维数据的数字特征及相关系数21总体(X,Y)T分布函数F(x,y),方差Var(X),Var(Y),协方差Cov(X,Y),相关系数——称不相关二维数据的数字特征3**二维数字特征的性质（3）（1）（2）当X与Y相互独立时，**二．观测数据的协方差、Pearson相关系数——均值05——样本方差、协方差04——观测矩阵03观测数据的协方差02总体(X,Y)T，观测数据01**由Schwarz不等式知01添加标题注意:02添加标题散点图见书图1.1103添加标题——协方差矩阵,为对称非负定04添加标题观测数据的Pearson相关系数05添加标题——Pearson相关系数06添加标题(Schwaraz不等式)07添加标题**可证,当(X,Y)T为二维正态3．二维随机变量相关性检验n充分大时观测数据假设检验统计量如|t|过大,拒绝假设,认为X与Y相关.拒绝域检验p值给定，当，拒绝H0.认为X与Y相关,Pearson相关系数反映两变量线性关联性的强弱.否则,认为不相关.**1．秩统计量三．Spearman相关系数总体X，观测值定义：秩统计量观测值-0.8，-3.1，1.1，-5.24.2次序统计量-5.2，-3.1，-0.8，1.1，4.2如-0.8，-3.1，-0.8秩统计量2,1,3或3,1,2记为2.51，2.5秩统计量3，2，4，1，5次序统计量注意：为保证秩统计量唯一性，规定：相同观测值，秩统计量取应排序的平均值。**2．Spearman相关系数01分量X,Y的一元样本数据02当X,Y相关性较强,则两组秩统计量相关性也较强03总体(X,Y)T，观测数据04秩统计量分别是05定义:Spearman相关系数06其中07计算得**基于Spearman相关系数的假设检验统计量检验P值SAS系统proccorr过程给定，当，拒绝H0.否则,接受H0认为不相关.**例1.920个随机选取的黄麻个体植株,记录青植株重量Y与干植株重量X.设(X,Y)T服从正态分布,数据:（1）求二维观测数据均值向量和协方差矩阵；（2）计算Pearson相关