数学建模——相关系数(4)——斯皮尔曼相关系数(spearman)

【数学建模】相关性分析 - 皮尔逊相关系数 & 斯皮尔曼相关系数 前言: 皮尔逊Person相关系 (要求数据满足正态分布 总体和样本 总体皮尔逊Person相关系数 一般说的相关系数就是皮尔逊相关系数 就是概率论的知识 消除量纲影响: 总体: 样本: 意义: 误区: 用于衡量线性 两个变量必须线性相关。 不是线性相关函数,不一样 总结: 例题: MATLAB EXCEL SPSS都能做 MATLAB SPSS C(n,2) 的散点图可以用spss计算 假设检验: 概率论内容,考过的 对皮尔逊相关系数进行假设检验 阅读详情
AI摘要

本文介绍了斯皮尔曼相关系数(spearman),作为皮尔逊相关系数的替代,适用于非正态分布或非线性关系的数据。通过MATLAB计算示例,阐述了斯皮尔曼相关系数的定义和计算方法,并进行了假设检验的讨论。同时,对比了斯皮尔曼与皮尔逊相关系数在不同条件下的适用性。

引述

经过之前几节的学习,我们了解并掌握了皮尔逊相关系数。在学习中我们发现,皮尔逊相关系数的使用条件相当苛刻:两组变量必须是连续数据、呈现正态分布,且两者间必须成线性关系。如果我们在数学建模中拿到一组数据无法满足以上条件,那么有没有其他的方法去判断两组变量之间的相关性呢?答案是肯定的,它就是斯皮尔曼相关系数(spearman).

一、斯皮尔曼相关系数(spearman)

1.定义1

  • 定义:X和Y为两组数据,其斯皮尔曼(等级)相关系数:
    spearman相关系数
    其中,di为Xi和Yi之间的等级差。可以证明:rs位于-1和1之间。
  • 等级差
    一个数的等级,就是将它所在的一列按照从小到大排序后,这个数所在的位置。
    等级差
    根据公式计算可得:
    X和Y的斯皮尔曼相关系数 rs = 0.875

2.定义2

另一种斯皮尔曼相关系数被定义成等级之间的皮尔逊相关系数。值得注意的是,MATLAB使用的是该定义下的计算方式。
对于上图,使用MATLAB求解皮尔逊相关系数

%% 使用MATLAB求解皮尔逊相关系数
RX = [2 5 3 4 
斯皮尔曼spearman相关系数 数学建模中斯皮尔曼相关系数的用法和代码 阅读详情

相关推荐

数学建模:相关性分析学习——皮尔逊(pearson)相关系数与斯皮尔曼(spearman)相关系数

相关性分析:求解相关系数并绘制热力图进行对比

weixin_67565775的博客 8万+

斯皮尔曼相关(spearman)系数法

在分析指标与指标、指标与研究对象的影响程度时,很多时候会用到相关系数法,下面介绍一下斯皮尔曼相关系数法。 斯皮尔曼等级相关是根据等级资料研究两个变量间相关关系的方法。它是依据两列成对等级的各对等级数之差来进行计算的,斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格,只要两个变量的观测值是成对的等级评定资料,或者是由连续变量观测资料转化得到的等级资料,不论两个变量的总体分布形态、样本容量的大小如何,都可以用斯皮尔曼等级相关来进行研究。如果两个变量之间的相关系数完全相同,斯皮...

qq_56952645的博客 1万+

相关系数及相关性分析(数学建模)

相关系数一,皮尔逊pearson相关系数1 pearson相关系数使用条件和检验条件1) 使用和检验条件2) 散点图检验3) 正态分布检验2 pearson相关系数如何求?3 pearson相关系数假设性检验(显著性检验)二,斯皮尔曼spearman等级相关系数1 spearman等级相关系数假设性检验(显著性检验)1)小样本2)大样本三,两种相关系数的选择 一,皮尔逊pearson相关系数 1 pearson相关系数使用条件和检验条件 1) 使用和检验条件 我们常说的相关系数指得就是皮尔逊(pearson

Blue噜噜噜的博客 3万+

数学建模——相关系数(1)——皮尔逊相关系数(Person)

文章目录一、 相关系数简介二、相关的基本数学概念总体和样本三、皮尔逊Person相关系数1. 协方差2. 总体皮尔逊Person相关系数3. 样本皮尔逊Person相关系数需要注意的地方!1. 相关系数只是用来衡量两个变量线性相关程度的指标2. 通过绘制散点图可以很容易地判定两个变量x和y之间的相关性3. 非线性相关也会导致线性相关系数很大4. 离群点对相关系数的影响很大5. 如果两个变量的相关系...

东 3万+

模型5.4——斯皮尔曼spearman相关系数

目录1.解决问题2.条件3.定义4.步骤4.1 计算斯皮尔曼相关系数4.2 两种相关系数的对比4.3 斯皮尔曼相关系数的假设检验4.3.1 小样本的情况(< 30)4.3.2 大样本的情况5. 直接用spss 计算得出两种相关性的表步骤 1.解决问题 相关系数问题,比皮尔逊相关系数稍简单 2.条件 数据要求比较低 3.定义 范围 (-1 ~ 1) 4.步骤 4.1 计算斯皮尔曼相关系数 两种: 4.2 两种相关系数的对比 4.3 斯皮尔曼相关系数的假设检验 4.3.1 小样本的情况(&l

m0_46152035的博客 2360

数学建模——皮尔逊person相关系数VS斯皮尔曼spearman相关系数学习笔记

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)。 一、皮尔逊Person相关系数 如果有两个变量:X、Y,最终计算出的相关系数的含义可以有如下理解: (1)、当相关系数为0时,X和Y两变量无关系。 (2)、当X的值增大(减小...

涵盖了计算机专业基础知识、数学建模相关实践、复杂网络论文研究、LeetCode算法刷题经验、C语言开发经验、前端Vue、React框架开发实战相关知识 3万+

电感选型不当的代价:从纹波激增到系统失稳的深度剖析

本文深度剖析了电感选型不当对开关电源系统的严重影响。电感值过小会导致纹波电流激增、元件热应力加剧、EMI超标乃至MOSFET击穿;电感值过大则会引起环路响应迟滞、动态性能下降和轻载效率恶化。文章通过实测案例,强调了超越经典公式进行动态与容差考量的必要性,并提供了基于饱和电流、温升电流及环路测试的精准选型方法论,帮助工程师规避从纹波失控到系统失稳的潜在风险。

flink9streamer的博客 408

稳健自适应波束形成学习(2):自适应计算对角加载量方法——基于广义线性组合的鲁棒Capon波束形成

对于快拍数相对阵元数较小时,样本协方差矩阵不能很好对协方差矩阵进行估计。常规的对角加载量需要根据经验值或不断手动调整进行测试,没有一个明确的准则和推导。该篇介绍一种自适应计算对角加载量的方法,且能适应快拍数相对阵元数较小时的情况。均匀线阵阵元数:18;载波频率30MHz;通信信号来波方向0°、来波估计偏差0.5°;干扰来波方向30°;通信信号信噪比10dB;干扰信号信噪比60dB。也即在干扰角度生成66dB的零陷,通信信号受到16dB的衰减。

a1uajug的博客 825

修复ASUS in WinRE教程

暑假入手了天选三,发现是win11家庭版,本来想着家庭版将就一下无所谓,结果在使用的过程中发现相较于专业版真的是不能比,于是自己就重装了系统,发现ASUS in WinRE入口不见了,折腾半天最后成功修复。

weixin_46202629的博客 1万+

数据增强综述及albumentations代码使用

数据增强综述及albumentations使用基于基本图形处理的数据增强 本文涉及到的资料: 1.A survey on Image Data Augmentation for Deep Learning 2.Albumentations: Fast and Flexible Image Augmentations 3.Code 基于基本图形处理的数据增强 1.翻转;2.旋转;3.仿射变换;4.色彩空间(RGB、YUV、CMY、HSV,在图像情感分析中会影响标签。最简单的方法就是只改变一个通道。对比度、直方

qq_41917697的博客 6683

基于Spring Boot在线远程考试系统的设计与实现

结合先进的互联网技术,开发符合需求的软件,让数据内容管理不管是从录入的及时性,查看的及时性还是汇总分析的及时性,都能让正确率达到最高,管理更加的科学和便捷。目前的信息时代,对信息的管理趋于高效化,便捷化,这也是计算机大力普及所带来的便利,此程序软件在设备选用上,依靠的是比较大众的电脑设备,对电脑的配置没有过多要求,一般学校的计算机机房的电脑都可以满足程序开发需求,另外,开发出此款程序,让信息处理变得高效率,其所带来的高效益是远超程序开发的低成本的,因此程序开发的资金投入是可以忽略不计的。

ITbiyesheji的博客 1219

Python 爬虫 + 数据分析:社会调查数据抓取与结果可视化分析

在当今数字化时代,数据已成为推动社会发展的关键资源之一。无论是市场调研、学术研究还是政策制定,社会调查数据都扮演着至关重要的角色。通过 Python 爬虫技术,我们可以高效地获取这些数据,并结合数据分析与可视化工具,深入挖掘数据背后的价值。本文将通过一个完整的实战项目,带你掌握如何使用 Python 爬虫抓取社会调查数据,并进行可视化分析。

yansideyucsdn的博客 126

黑猫带你学eMMC协议第17篇:超详细的eMMC HS200 & HS400讲解

1 前言 1.1 声明 本文依据eMMC JEDEC5.1及个人工作经验整理而成,如有错误请留言。 本文结合eMMC JEDEC5.1协议手册查看效果更佳。 1.2 内容提要 本文大约6000字,主要内容有: 1.什么是emmc hs200/hs400? 2.什么是tuning?tuning的过程又是什么? 3.如何设置才能让emmc进入hs200 mode? 4.如何设置才能让emmc进入hs400 mode? 5.emmc关于HS200/HS400内部结构框图对比。 6.部分个人相关经验总结。

黑猫奥利奥的博客 1万+

Unity 面试篇|(三)设计模式篇 【全面总结 | 持续更新 | 建议收藏】

设计模式是一套被反复使用、多数人知晓、经过分类编目、代码设计经验的总结。设计模式与方法或库的使用方式不同, 你很难直接在自己的程序中套用某个设计模式。模式并不是一段特定的代码, 而是解决特定问题的一般性概念。你可以根据模式来实现符合自己程序实际所需的解决方案。常常会混淆模式和算法, 因为两者在概念上都是已知特定问题的典型解决方案。但算法总是明确定义达成特定目标所需的一系列步骤, 而模式则是对解决方案的更高层次描述。同一模式在两个不同程序中的实现代码可能会不一样。单例模式。

游戏开发小Y的博客 12万+

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上一篇: 数学建模——相关系数(3)——对数据进行正态分布检验
下一篇: 软件设计师考试——数据结构与算法基础
Mr.Persimmon
博客等级 码龄9年 204粉丝 45原创
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr.Persimmon

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值