文章目录
- 一、前言🚀🚀🚀
- 二、皮尔逊person相关系数：☀️☀️☀️
-
-
- [1. 总体皮尔逊person相关系数](#1. 总体皮尔逊person相关系数)
-
- [① 总体和样本](#① 总体和样本)
- [② 理解协方差（受量纲影响）](#② 理解协方差（受量纲影响）)
- [③ 剔除量纲影响](#③ 剔除量纲影响)
- [2. 样本皮尔逊person相关系数](#2. 样本皮尔逊person相关系数)
- [3. 相关性可视化](#3. 相关性可视化)
-
- [① 皮尔逊person相关系数的一些误区](#① 皮尔逊person相关系数的一些误区)
- [② 容易忽略和犯错的点](#② 容易忽略和犯错的点)
- [③ 对相关系数大小的解释](#③ 对相关系数大小的解释)
- [4. 例题](#4. 例题)
-
- [① 给出题目与Excel表](#① 给出题目与Excel表)
- [② 描述性统计](#② 描述性统计)
- [③ Execl描述性统计](#③ Execl描述性统计)
- [③ SPSS描述性统计](#③ SPSS描述性统计)
- [④ 看完散点图（看出线性关系）再决定做相关系数计算](#④ 看完散点图（看出线性关系）再决定做相关系数计算)
- [⑤ 用Excel表格美化相关系数表](#⑤ 用Excel表格美化相关系数表)
-
- 三、补充：☀️☀️☀️
- 四、如何检验数据是否是正态分布：☀️☀️☀️
-
-
- [4.1 偏度和风度](#4.1 偏度和风度)
- [4.2 正态分布JB检验（大样本n>30） 推荐](#4.2 正态分布JB检验（大样本n>30） 推荐)
- [4.3 Shapiro-wilk夏皮洛-威尔克检验（3 <= 小样本 <= 50） 推荐](#4.3 Shapiro-wilk夏皮洛-威尔克检验（3 <= 小样本 <= 50） 推荐)
- [4.4 Q-Q图 （不推荐）](#4.4 Q-Q图 （不推荐）)
-
一、前言🚀🚀🚀
☀️☀️☀️
外面的世界好大！
去外面......更外面的地方。
没关系的，跟Sakura在外面到处玩，很开心，所以我能坚持下来。
没关系这是我一生里最自由的时间，以前没有过，以后也不会有。
------ 上杉绘梨衣 《龙族》
本文简介：本讲我们将介绍两种最为常用的相关系数:皮尔逊person相关系数和斯皮尔曼spearman等级相关系数。它们可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析(建模论文中最容易用错的方法)。
二、皮尔逊person相关系数：☀️☀️☀️
1. 总体皮尔逊person相关系数
① 总体和样本
② 理解协方差（受量纲影响）
总体皮尔逊person相关系数就是在协方差消除量纲的基础上得到的。
③ 剔除量纲影响
Y = aX + b 可以看出总体皮尔逊person相关系数反映线性相关系数。
2. 样本皮尔逊person相关系数
3. 相关性可视化
① 皮尔逊person相关系数的一些误区
受异常值的影响很大。
这里虽然相关系数计算结果为0，但是x于y还是有明显的关系（二次函数）。
② 容易忽略和犯错的点
③ 对相关系数大小的解释
4. 例题
① 给出题目与Excel表
② 描述性统计
当拿到一些数据后，应该做一个描述性统计。
③ Execl描述性统计
③ SPSS描述性统计
④ 看完散点图（看出线性关系）再决定做相关系数计算
Matlab做法：
⑤ 用Excel表格美化相关系数表
颜色越深表示数据的绝对值越大。
三、补充：☀️☀️☀️
看到这里，小伙伴应该要先看完 相关性进行检验 那一讲。
3.1、皮尔逊相关系数假设检验的条件：
四、如何检验数据是否是正态分布：☀️☀️☀️
4.1 偏度和风度
代码块：
4.2 正态分布JB检验（大样本n>30） 推荐
4.3 Shapiro-wilk夏皮洛-威尔克检验（3 <= 小样本 <= 50） 推荐
4.4 Q-Q图 （不推荐）
