码迷,mamicode.com
首页 > 其他好文 > 详细

皮尔逊相关系数(Pearson Correlation Coefficient, Pearson's r)

时间:2018-12-31 21:56:16      阅读:813      评论:0      收藏:0      [点我收藏+]

标签:rac   tail   cfa   bsp   lin   sdn   随机   svg   http   

Pearson‘s r,称为皮尔逊相关系数(Pearson correlation coefficient),用来反映两个随机变量之间的线性相关程度。

 

用于总体(population)时记作ρ (rho)(population correlation coefficient):

给定两个随机变量X,Y,ρ的公式为: 技术分享图片

 

其中:  技术分享图片 是协方差

             技术分享图片是X的标准差

             技术分享图片是Y的标准差

 

用于样本(sample)时记作rsample correlation coefficient):

给定两个随机变量x,y,r的公式为:技术分享图片

 

其中:  技术分享图片是样本数量

             技术分享图片 是变量x,y对应的i点观测值

             技术分享图片 是x样本平均数,技术分享图片是y样本平均数

 

r的取值在-1与1之间。取值为1时,表示两个随机变量之间呈完全正相关关系;取值为-1时,表示两个随机变量之间呈完全负相关关系;取值为0时,表示两个随机变量之间线性无关。

 

(注:我们用样本相关系数r作为总体相关系数ρ的估计值,要判断r值是不是由抽样误差或偶然因素导致的,需要进行假设检验。)

 

那么皮尔逊相关系数是怎么得来的呢?(参考:https://blog.csdn.net/ichuzhen/article/details/79535226

 

要理解皮尔逊相关系数,首先要理解协方差(Covariance)

。协方差可以反映两个随机变量之间的关系,如果一个变量跟随着另一个变量一起变大或者变小,那么这两个变量的协方差就是正值,就表示这两个变量之间呈正相关关系,反之相反。协方差的公式如下:

 

技术分享图片
 

 如果协方差的值是个很大的正数,我们可以得到两个可能的结论:

(1) 两个变量之间呈很强的正相关性

(2) 两个变量之间并没有很强的正相关性,协方差的值很大是因为X或Y的标准差很大

 

那么到底哪个结论正确呢?只要把X和Y变量的标准差,从协方差中剔除不就知道了吗?协方差能告诉我们两个随机变量之间的关系,但是却没法衡量变量之间相关性的强弱。因此,为了更好地度量两个随机变量之间的相关程度,引入了皮尔逊相关系数。可以看到,皮尔逊相关系数就是用协方差除以两个变量的标准差得到的。

 

皮尔逊相关系数(Pearson Correlation Coefficient, Pearson's r)

标签:rac   tail   cfa   bsp   lin   sdn   随机   svg   http   

原文地址:https://www.cnblogs.com/HuZihu/p/10183502.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!