MATLAB算法实战应用案例精讲-【评价算法】Pearson相关系数（附Java、Python、R语言和MATLAB代码）

目录

前言

几个相关概念

协方差

相关系数

 几个高频面试问题

1.协方差和皮尔逊之间的关系

 2.pearson相关系数与spearman相关系数之间的区别

算法原理

Pearson相关系数的假设检验与区间估计

Z检验

t检验

Pearson相关系数的假设

皮尔逊相关系数的特征选择

皮尔逊相关系数的适用条件

应用案例

1.在SPSS中的相关分析

（1）交叉表过程

（2）“相关”过程

优缺点

优点

缺点

代码实现

Python

R语言

MATLAB

Java

---

前言

Pearson相关系数（Pearson Correlation Coefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。
如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。

几个相关概念

协方差

相关系数