【数学建模备赛】Ep05:斯皮尔曼spearman相关系数

文章目录


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:本讲我们将介绍斯皮尔曼spearman相关系数在数学建模中的应用。


二、斯皮尔曼spearman相关系数:☀️☀️☀️

1. 回顾皮尔逊相关系数

1.首先我们要看的是x和y有没有线性的趋势(或者说有没有线性的关系)

2.那怎样来看呢,我们需要做出x和y的散点图

3.通过散点图,我们可以看出大概的趋势。

4.那假如说x和y他们有线性的关系的话,我们就可以算出他们的皮尔逊相关系数

5.那假如说我们现在还想检验一下这个皮尔逊相关系数是否显著的(异于零那如果要用到假设检验的话,

需要用到一个很强的条件,就是我们x和y它的总体是正态分布。

6.那检验正态分布我们学过两种方法:J检验(大样本)、小样本的检验

接下来学另外一种相关系数一一斯皮尔曼spearman相关系数(对我们数据的要求比较低)

2. 斯皮尔曼spearman相关系数

3. 斯皮尔曼相关系数公式

rs大于0说明正相关,小于0说明负相关,而且绝对值越大相关性越强。

4. 另外一种斯皮尔曼相关系数定义

5. matlab的用法

5. matlab的用法

三、对斯皮尔曼相关系数进行假设性检验

3.1 小样本

3.2 大样本

看一下我们之前p值是怎么算的

四、两个相关系数的选择

相关推荐
shenghaide_jiahu18 分钟前
数学建模——最大最小化模型
数学建模
九章数学体系11 小时前
九章数学体系:打破“吃苦悖论”,重构学习真谛
数据结构·学习·算法·数学建模·拓扑学
行然梦实12 小时前
TOPSIS(Technique for Order Preference by Similarity to Ideal Solution )简介与简单示例
人工智能·算法·机器学习·数学建模
行然梦实1 天前
世代距离(GD)和反转世代距离(IGD)详析
人工智能·算法·机器学习·数学建模
shenghaide_jiahu2 天前
数学建模——非线性规划
数学建模
shenghaide_jiahu2 天前
数学建模——多目标规划
数学建模
shenghaide_jiahu2 天前
数学建模——灰色关联分析
数学建模
Finn_JLU2 天前
MacTex+Vscode数学建模排版
ide·vscode·数学建模
同元软控3 天前
赋能建模实践,服务教学科研 | 同元软控亮相第十九届数学建模教学与应用会议
数学建模
行然梦实3 天前
论文阅读:《多目标和多目标优化的回顾与评估:方法和算法》
论文阅读·算法·机器学习·数学建模