- 博客(4)
- 收藏
- 关注
RSS订阅原创 【相关系数3】肯德尔相关系数
相关系数是两个测量变量之间关联的一种非参数方法。它用于评估在两个不同变量上进行排名时数据点排序的相似性。协同对数量指的是具有相同顺序的观察对（即，如果X[i] > X[j]，则Y[i] > Y[j]）。不协调对数量指的是具有相反顺序的观察对（如果X[i] > X[j]，则Y[i] < Y[j]）。在处理有序数据或当参数相关性测量的假设不满足时特别有用。与其他相关系数相比，它对异常值不太敏感。= -1) 时，表示排名完全不一致。= 0) 时，表示排名之间没有关联。= 1) 时，表示排名完全一致。
2024-02-26 10:21:31
1228
1
原创 【相关系数2】斯皮尔曼相关系数
当斯皮尔曼相关系数接近于1时，表示两个变量之间存在强烈的正相关关系，即当一个变量增加时，另一个变量也会增加。当斯皮尔曼相关系数接近于-1时，表示两个变量之间存在强烈的负相关关系，即当一个变量增加时，另一个变量会减小。需要注意的是，这只是评估两个变量之间的单调关系，而不是线性关系。1、计算秩次：首先，对于每一个变量，我们按照大小顺序为其排名，从1开始直到n。例如，如果有两个数值是第1和第2大的，那么它们的排名分别为1.5。，即一个变量中的观测值的秩次减去另一个变量中对应观测值的秩次。是斯皮尔曼相关系数，
2024-02-25 22:15:32
1281
原创 【相关系数1】皮尔逊相关系数
皮尔逊相关系数的取值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示没有线性关系。在多变量分析中，研究变量之间的关系是理解数据结构和挖掘隐藏信息的关键步骤。通过绘制散点图和计算相关系数，研究人员可以更好地理解变量之间的关系，从而为进一步的建模和分析奠定基础。总体而言，皮尔逊相关系数是一种强大而广泛应用的统计工具，为我们深入了解变量之间关系提供了有力的支持。在实际应用中，研究人员和分析师经常使用这一方法来量化和解释数据中存在的关联关系，从而做出更加准确和可靠的决策。是变量X和Y的协方差，
2024-02-23 20:17:15
954
原创 统计学笔记之旅：我的社交媒体账号初衷
我希望通过这个平台，大家能够在统计学的学习中找到更多的乐趣和启发，共同进步，共同成长。作为一名热爱统计学的学生，我一直在学习的道路上追求更高的理解和掌握。为了填补这一空白，我决定创建一个社交媒体账号，将我的学习心得、方法和总结分享给更多的人，同时也作为自己复习专业知识的一种方式。在整理的过程中，我不仅能够加深对学过内容的印象，还能够发现自己在某些概念或方法上的理解不足之处，从而及时进行补充和提高。因此，我希望通过这个社交媒体账号，以简洁明了的方式分享统计学的核心概念、常用方法和解决问题的思路。
2024-01-12 12:34:24
539
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人