好久没看统计书了,又要还给老师了。

来更新一点内容,主要是想复习复习。


协方差:协方差定义为

也可记为两个变量距平向量的内积,即为

协方差反映两个气象要素异常关系的平均状况。例如,如果代表前冬某一个月的平均温度;代表后冬某一个月的平均温度,当前冬温度出现负距平时,后冬就出现正距平;反之,前冬出现正距平时,后冬就出现负距平;这时他们各年距平的乘积必然是一个很大的负数。这个负号表示了“前冬冷,后冬暖”的关系状况,表征一个相反变化的关系。如果相反,对于“前冬暖,后冬亦暖”的情况,两个序列距平乘积为正值。因而,协方差表征了两个变量变化的正、负相互关系。

变量自身对自身的协方差就是该变量的方差。

相关系数:相关系数是协方差的标准化处理。

协方差是带单位的一个统计量,在比较不同要素时常常带来不便。若对原变量做标准化处理,再计算协方差,此时的协方差不带单位,便于比较,称为相关系数。

对于两个要素变量, 其相关系数计算公式为

如用标准化向量表示,有

相关系数绝对值变化在0到1之间,即0≤|r|≤1。

参考文献:黄嘉佑,气象统计分析与预报方法(第四版)P21


决定系数(解释方差):相关系数的平方

离差平方和:  ,反映因变量的离散程度

回归平方和: 

残差平方和: 

离差平方和=回归平方和+残差平方和:

该式说明因变量的离散程度一方面时由于随机因素的干扰造成的(SSE) ,另一方面时由于对离散的自变量的依赖程度造成的(SSR) 。

示了回归平方和在离差平方和中所占比例,越接近1说明因变量对自变量的依赖关系越显著,拟合效果越好,因此也称决定系数为拟合优度。特别的,对于一元线性回归:y=a0+a1x1 ,决定系数就是变量(x,y) 的相关系数(因为只有一个要素变量x1 ,由上面相关系数的计算公式容易看出)。

参考文献:黄海洋,数学建模实验 P47

统计学笔记——统计基础(协方差,相关系数,决定系数)相关推荐

  1. 漫画统计学(统计基础+SPSS)

    课时1 文本 成长可试看 课时2 文本 追梦可试看 课时3 文本 发现自己可试看 章节2:为什么要学习统计学(图文教程)试看 课时4 文本 图表的玄机可试看 课时5 文本 被混淆的因果关系可试看 课时 ...

  2. Python数据分析学习笔记:计算相关系数

    Python数据分析学习笔记:计算相关系数 1.相关系数概念 相关系数,或称线性相关系数.皮氏积矩相关系数(Pearson product-moment correlation coefficient ...

  3. [统计学笔记九] 方差分析(ANOVA)

    [统计学笔记九] 方差分析(ANOVA) 方差分析(Analysis of Variance,简称ANOVA) 方差分析(ANOVA)又称"变异数分析"或"F检验&quo ...

  4. t检验与F检验 /统计常识 / 统计学笔记(2)--随机抽样与统计推断的逻辑

     1,T检验和F检验的由来 一般而言,为了确定从样本(sample)统计结果推论至总体时所犯错的概率,我们会利用统计学家所开发的一些统计方法,进行统计检定. 通过把所得到的统计检定值,与统计学家建立了 ...

  5. 概率统计笔记: 协方差与相关系数

    1 协方差 1.1 定义 假设两个随机变量X和Y满足未知的概率分布,那么X和Y的协方差为: 其中E是求解数学期望的运算符,μx,μy分别是X和Y的均值 1.2 存在的问题 协方差告诉我们两个随机变量是 ...

  6. 【概率论与数理统计】猴博士 笔记 p36-37 协方差、相关系数、不相关、相互独立时的期望和方差

    文章目录 协方差.相关系数 不相关.相互独立时的期望和方差 协方差.相关系数 接下来做几道例题,练习一下套公式: 例1: 解: 前4个就是简单的套公式: 第5个有点类似分配律: Cov(2X+3Y,4 ...

  7. 数学建模笔记-第五讲-相关系数

    文章目录 相关系数 pearson相关系数 相关性可视化 误区 相关系数大小的解释 例题 描述性统计 matlab excel SPSS 矩阵散点图 计算相关系数 热力图美化结果 对相关系数进行假设检 ...

  8. 数理工具 | 统计学笔记

    <爱上统计学>笔记 相关系数: 当一个变量发生变化时,另一个变量如何变化.相关系数是反映两个变量之间关系的量化指标,值域范围-1到1.反映变量发生变化时,变化的方向是相反的还是相同的.如果 ...

  9. 可汗学院统计学笔记 42-81集

    假设检验 假设检验是推论统计中用于检验统计假设的一种方法.而"统计假设"是可通过观察一组随机变量的模型进行检验的科学假说.一旦能估计未知参数,就会希望根据结果对未知的真正参数值做出 ...

最新文章

  1. 特征工程系列:特征筛选的原理与实现(下)
  2. c++ iou学习笔记
  3. 动静分离和前后端分离
  4. FL的萌新之路,开始了!
  5. WPF入门教程系列十五——WPF中的数据绑定(一)
  6. 修复病毒破坏的文件关联并恢复程序图标
  7. Mybatis 向指定表中批量插入数据
  8. python类中的 init_Python类中__init__()的作用
  9. NHibernate直接执行SQL进行插入
  10. Bailian2998 日志排序【排序】
  11. 4W字全面解读数据中台、数据仓库和数据湖
  12. 一个五年Android开发者百度、阿里、聚美、映客的面试心经
  13. 计算机算法需要什么数学知识,计算机编程算法和数学有什么关系?
  14. 小米平板1-专用解账号锁激活设备救砖线刷包 一键刷机
  15. 利用canvas绘制表盘
  16. ESP32文件系统esp_littlefs实例
  17. 江南爱窗帘十大品牌 | 推荐3种简单的窗帘上色方法
  18. html点击弹出文本框,html制作,点击文字超链接显示文本框,再点击文字超链接隐藏文本框...
  19. python对矩阵部分求和_python – numpy求和矩阵 – 按索引排
  20. 大数据毕设/课设 - 数据大屏监控可视化设计与实现

热门文章

  1. python计算元组长度并输出_python基础语法练习2
  2. tiny6410 适用于win7 64bit的dnw 的USB下载驱动
  3. STM32的RTC管脚作为Tamper使用(RTC-TAMPER)
  4. 云服务器文件传送,云服务器文件传送工具
  5. Spring 增强处理Advice
  6. 《实用C++》第11课:if 语句实现逻辑运算与冒号表达式
  7. 如何优雅的阅读论文——福昕阅读器
  8. L Javabeans
  9. UCenter 1.6 数据字典
  10. 2016寒假读书笔记