数学建模竞赛知识点汇总(四)——相关性检验
数学建模竞赛知识点汇总(四)——相关性检验
文章目录
- 数学建模竞赛知识点汇总(四)——相关性检验
- 简介
- 皮尔逊相关系数
- 总体person相关系数
- 样本person相关系数
- 皮尔逊相关系数假设检验
- 前提步骤
- 流程
- 斯皮尔曼相关系数
- 皮尔逊相关系数与斯皮尔曼相关系数对比
- 后续
简介
相关性分析是研究两个或两个以上的随机变量间的相关关系的统计分析方法,例如降水与地形、降水与温度等的相关关系。相关分析前,首先通过散点图了解变量间大致的关系情况。如果变量之间不存在相互关系,那么在散点图上就会表现为随机分布的离散的点,如果存在某种相关性,那么大部分的数据点就会相对密集并以某种趋势呈现。
皮尔逊相关系数
总体person相关系数
ρXY=Cov(X,Y)σxσy\rho_{X Y}=\frac{\operatorname{Cov}(X, Y)}{\sigma_{x} \sigma_{y}} ρXY=σxσyCov(X,Y)
σx=∑i=1n(Xi−E(X))2n与σy=∑i=1n(Yi−E(Y))2n分别是X总体与Y总体的方差。\sigma_{x}=\sqrt{\frac{\sum_{i=1}^{n}\left(X_{i}-E(X)\right)^{2}}{n}} 与 \sigma_{y}=\sqrt{\frac{\sum_{i=1}^{n}\left(Y_{i}-E(Y)\right)^{2}}{n}}分别是X 总体与 Y 总体的方差。 σx=n∑i=1n(Xi−E(X))2与σy=n∑i=1n(Yi−E(Y))2分别是X总体与Y总体的方差。
Cov(X,Y)=∑i=1n(Xi−E(X))(Yi−E(Y))n为总体的协方差。\operatorname{Cov}(X, Y)=\frac{\sum_{i=1}^{n}\left(X_{i}-E(X)\right)\left(Y_{i}-E(Y)\right)}{n} 为总体的协方差。 Cov(X,Y)=n∑i=1n(Xi−E(X))(Yi−E(Y))为总体的协方差。
样本person相关系数
rXY=Cov(X,Y)SxSyr_{X Y}=\frac{\operatorname{Cov}(X, Y)}{S_{x} S_{y}} rXY=SxSyCov(X,Y)
Sx=∑i=1n(Xi−Xˉ)2n−1与Sy=∑i=1n(Yi−Yˉ)2n−1分别是X样本与Y样本的方差。S_{x}=\sqrt{\frac{\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}}{n-1}}与S_{y}=\sqrt{\frac{\sum_{i=1}^{n}\left(Y_{i}-\bar{Y}\right)^{2}}{n-1}} 分别是 X样本与Y样本的方差。 Sx=n−1∑i=1n(Xi−Xˉ)2与Sy=n−1∑i=1n(Yi−Yˉ)2分别是X样本与Y样本的方差。
Cov(X,Y)=∑i=1n(Xi−Xˉ)(Yi−Yˉ)n−1为样本的协方差。\operatorname{Cov}(X, Y)=\frac{\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)\left(Y_{i}-\bar{Y}\right)}{n-1} 为样本的协方差。 Cov(X,Y)=n−1∑i=1n(Xi−Xˉ)(Yi−Yˉ)为样本的协方差。
Tips:皮尔逊相关系数只是用来衡量两个变量线性相关程度的指标,所以必须确定这两个变量是线性相关的,才能够表示线性相关程度。相关系数的结果为0,只能说明他们是非线性相关的,但不能表明其没有相关关系。
皮尔逊相关系数假设检验
前提步骤
- 前提条件
- 实验数据通常假设是成对的来自于正态分布的总体。
- 实验数据之间的差距不能太大。
- 每组样本之间是独立抽样的。
- 对数据进行正态分布检验
雅克-贝拉检验(适用于较大样本数)
夏皮诺-威尔克检验(Shapiro‐wilk检验)
夏皮诺-威尔克检验适用于小样本。
Q-Q图
在统计学中,Q‐Q图(Q代表分位数Quantile)是一种通过比较两个概 率分布的分位数对这两个概率分布进行比较的概率图方法。
流程
- 提出原假设与备择假设, H0:r=0,H1:r≠0H_{0}: r=0, H_{1}: r \neq 0H0:r=0,H1:r=0 。
- 构造检验统计量
rn−21−r2∼t(n−2)r \sqrt{\frac{n-2}{1-r^{2}}} \sim t(n-2) r1−r2n−2∼t(n−2)
服从自由度为 2 的 ttt 分布
计算出检验值(代入数据)得到 t∗t^{*}t∗ 。
使用 ppp 检验
计算 ppp 值
p=2×(1−∫−∞t∗t(x)dx)p=2 \times\left(1-\int_{-\infty}^{t^{*}} t(x) d x\right) p=2×(1−∫−∞t∗t(x)dx)
5. 结果说明
- p<0.01:p<0.01:p<0.01: 在 99%99 \%99% 的置信水平上拒绝原假设。
- 0.01<p<0.050.01<p<0.050.01<p<0.05 : 在 99%99 \%99% 的置信水平上无法㫜色原假设,但在 95%95 \%95% 的水平上可以拒绝原假设。
- 0.05<p<0.1:0.05<p<0.1:0.05<p<0.1: 在 95%95 \%95% 的置信水平上无法拒绝原假设,但在 90%90 \%90% 的水平上可以拒绝原殿设。
斯皮尔曼相关系数
X,YX, YX,Y 为两组数据,其斯皮尔晶(等级)相关系数:
rs=1−6∑i=1ndi2n(n2−1)r_{s}=1-\frac{6 \sum_{i=1}^{n} d_{i}^{2}}{n\left(n^{2}-1\right)} rs=1−n(n2−1)6∑i=1ndi2
did_{i}di 为 XiX_{i}Xi 与 YiY_{i}Yi 之间的等级差。 (−1≤rs≤1)\left(-1 \leq r_{s} \leq 1\right)(−1≤rs≤1) 。
皮尔逊相关系数与斯皮尔曼相关系数对比
- 连续数据,正态分布,线性关系,最好使用 person。
- 除此之外都使用 spearman。
- 两个定序数据之间也只能用spearman。
定序数据:仅仅反映观测对象的等级顺序关系的数据。(例如:优,良,差等)。
后续
喜欢的话可以关注一下我的公众号技术开发小圈,尤其是对深度学习以及计算机视觉有兴趣的朋友,我会把相关的源码以及更多资料发在上面,希望可以帮助到新入门的大家!
数学建模竞赛知识点汇总(四)——相关性检验相关推荐
- 数学建模竞赛知识点汇总(一)——层次分析法
文章目录 简介 步骤 建立层次结构模型 构造判断矩阵 计算权重 算术平均值法 几何平均值法 特征值法 一致性检验 合并排序 层次分析法的局限性 后续 简介 层次分析法(AHP)这是一种定性和定量相 ...
- 【建议收藏】数学建模竞赛网站汇总
前言 在数学建模备战学习期间,需要寻找学习资料,查找历年真题,阅读优秀论文等:比赛过程中我们需要去查找有关数据,搜索相关文献等.当不知道如何去搜索时,就会很迷茫.我了解这种心情和紧迫的心理,所以我整理 ...
- 2022年美国大学生数学建模竞赛常见问题汇总
1美赛赛题从哪里下载? 竞赛问题在以下镜像网站上发布: http://www.comapmath.com/MCMICM/index.html;(首选) http://www.comap-math.co ...
- 数学建模竞赛在中国的蝗虫式增长
爱学习,勤思考:学数学,玩魔术.欢迎点击头部蓝字关注MatheMagician,这里有你要的奇迹! 这段话送给对数学建模及竞赛感兴趣甚至有志于未来从事相关工作的同学们. 很不幸看到标题描述的这个现状. ...
- 2023美国大学生数学建模竞赛ABCDEF题思路汇总 美赛建模思路
1 赛题思路 (赛题出来以后第一时间分享) 2023年美赛比赛日期和时间 报名截止日期:美国东部时间2023 年2月16日星期四下午 3:00前.(北京时间2023年2月17日凌晨4点) 比赛开始:美 ...
- Algorithm:数学建模大赛(CUMCM/NPMCM)之全国大学生数学建模竞赛历年考察知识点统计可视化分析、论文评阅标准参考、国内外CUMCM数学建模类参考文献论文集合之详细攻略
Algorithm:数学建模大赛(CUMCM/NPMCM)之全国大学生数学建模竞赛历年考察知识点统计可视化分析.论文评阅标准参考.国内外CUMCM数学建模类参考文献论文集合之详细攻略 目录 全国大学生 ...
- 2023年电工杯数学建模竞赛AB题思路代码论文资料汇总贴
下文包含:2023电工杯数学建模竞赛AB题思路解析+代码+参考论文等及如何准备数学建模竞赛 C君将会第一时间发布选题建议.所有题目的思路解析.相关代码.参考文献.参考论文等多项资料,帮助大家取得好成绩 ...
- 2023年五一数学建模竞赛ABC题思路资料汇总贴
下文包含:2023五一数学建模竞赛(五一赛)ABC题思路解析+代码+参考论文等及如何准备数学建模竞赛 C君将会第一时间发布选题建议.所有题目的思路解析.相关代码.参考文献.参考论文等多项资料,帮助大家 ...
- 2023年美国大学生数学建模竞赛(美赛)ABCDEF题思路资料汇总贴
下文包含:2023美国大学生数学建模竞赛(以下简称美赛)思路解析.美赛参赛时间及规则信息及如何准备美国大学生数学建模竞赛 C君将会第一时间发布选题建议.所有题目的思路解析.相关代码.参考文献.参考论文 ...
最新文章
- 配置IIS服务器提供APP文件下载
- 那些年,使用Github的正确姿势
- 使用reserve函数避免vector和string的内存重新分配
- docker run 服务名_在 WSL2.0 的 Ubuntu 18 里使用 Docker
- MFC开发IM-第一篇
- php获取excel数据并添加数据库,如何使用phpexcel读取数据并将其插入数据库?
- Android InputType
- 解决问题 1474 个,Flink 1.11 究竟有哪些易用性上的改善?
- rp文件转换成html,Axure产品原型在手机上运行的方法
- 系统对接方案_劳务实名制管理系统解决用工问题
- java分布式日志组件
- cms网站模板php修改,帝国cms前台投稿模板修改
- netron可以下载某一层的权重
- maximo跟java_maximo中直接应用得到数据库联接
- uni-app的editor的富文本编辑器
- 我和王争学设计模式|抽象工厂
- 如何将一个图片转换为一个链接
- python 绘制函数曲线图
- 滴滴助力 2020 中国开源年会 暨 阿帕奇中国路演
- Android 资源全能王 v1.1.4 (资源全能王搜影视、音乐、磁力、网盘、实用工具)
热门文章
- matlab halcon,Halcon-Matlab 图像匹配
- 水文频率适线法的绘制及参数确定
- 关于Centos中443端口被占用的解决方法
- StarkSoft题库管理系统--生成word格式试卷
- 搞定138译码器(15),基于74ls138译码器设计全加器
- MATLAB调用USB摄像机采集图像代码段
- 从7k到14k,软件测试三年,其中的辛酸只有我自己知道
- PotPlayer不支持S/W HEVC(H.265)解码怎么办
- 【数据结构】英汉翻译小词典
- java elgamal_【Java小工匠】非对称加密--ElGamal