亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

(python示例實現)

系統 1523 0

三大相關系數: pearson, spearman, kendall

統計學中的三大相關性系數:pearson, spearman, kendall,他們反應的都是兩個變量之間變化趨勢的方向以及程度,其值范圍為-1到+1。

0表示兩個變量不相關,正值表示正相關,負值表示負相關,值越大表示相關性越強。

1. person correlation coefficient(皮爾森相關性系數)

皮爾遜相關系數通常用r或ρ表示,度量兩變量X和Y之間相互關系(線性相關)

(1)公式

皮爾森相關性系數的值等于它們之間的協方差cov(X,Y)除以它們各自標準差的乘積(σX, σY)。

(2)數據要求

a.正態分布

它是協方差與標準差的比值,并且在求皮爾森相關性系數以后,通常還會用t檢驗之類的方法來進行皮爾森相關性系數檢驗,而t檢驗是基于數據呈正態分布的假設的。

b.實驗數據之間的差距不能太大

比如:研究人跑步的速度與心臟跳動的相關性,如果人突發心臟病,心跳為0(或者過快與過慢),那這時候我們會測到一個偏離正常值的心跳,如果我們把這個值也放進去進行相關性分析,它的存在會大大干擾計算的結果的。

實例代碼

            
              import pandas as pd
import numpy as np
 
#原始數據
X1=pd.Series([1, 2, 3, 4, 5, 6])
Y1=pd.Series([0.3, 0.9, 2.7, 2, 3.5, 5])
 
X1.mean() #平均值# 3.5
Y1.mean() #2.4
X1.var() #方差#3.5
Y1.var() #2.9760000000000004
 
X1.std() #標準差不能為0# 1.8708286933869707
Y1.std() #標準差不能為0#1.725108692227826
X1.cov(Y1) #協方差#3.0600000000000005
 
X1.corr(Y1,method="pearson") #皮爾森相關性系數 #0.948136664010285
X1.cov(Y1)/(X1.std()*Y1.std()) #皮爾森相關性系數 # 0.948136664010285


            
          

2. spearman correlation coefficient(斯皮爾曼相關性系數)

斯皮爾曼相關性系數,通常也叫斯皮爾曼秩相關系數。“秩”,可以理解成就是一種順序或者排序,那么它就是根據原始數據的排序位置進行求解

(1)公式

首先對兩個變量(X, Y)的數據進行排序,然后記下排序以后的位置(X’, Y’),(X’, Y’)的值就稱為秩次,秩次的差值就是上面公式中的di,n就是變量中數據的個數,最后帶入公式就可求解結果。

(2)數據要求

因為是定序,所以我們不用管X和Y這兩個變量具體的值到底差了多少,只需要算一下它們每個值所處的排列位置的差值,就可以求出相關性系數了

(3)實例代碼

            
              import pandas as pd
import numpy as np
 
#原始數據
X1=pd.Series([1, 2, 3, 4, 5, 6])
Y1=pd.Series([0.3, 0.9, 2.7, 2, 3.5, 5])
 
#處理數據刪除Nan
x1=X1.dropna()
y1=Y1.dropna()
n=x1.count()
x1.index=np.arange(n)
y1.index=np.arange(n)
 
#分部計算
d=(x1.sort_values().index-y1.sort_values().index)**2
dd=d.to_series().sum()
 
p=1-n*dd/(n*(n**2-1))
 
#s.corr()函數計算
r=x1.corr(y1,method='spearman')
print(r,p) #0.942857142857143 0.9428571428571428


            
          

3. kendall correlation coefficient(肯德爾相關性系數)

肯德爾相關性系數,又稱肯德爾秩相關系數,它也是一種秩相關系數,不過它所計算的對象是分類變量。

分類變量可以理解成有類別的變量,可以分為:

無序的,比如性別(男、女)、血型(A、B、O、AB);

有序的,比如肥胖等級(重度肥胖,中度肥胖、輕度肥胖、不肥胖)。

通常需要求相關性系數的都是有序分類變量。

(1)公式

R=(P-(n*(n-1)/2-P))/(n*(n-1)/2)=(4P/(n*(n-1)))-1

注:設有n個統計對象,每個對象有兩個屬性。將所有統計對象按屬性1取值排列,不失一般性,設此時屬性2取值的排列是亂序的。設P為兩個屬性值排列大小關系一致的統計對象對數

(2)數據要求

類別數據或者可以分類的數據

(3)實例代碼

            
              import pandas as pd
import numpy as np
 
#原始數據
x= pd.Series([3,1,2,2,1,3])
y= pd.Series([1,2,3,2,1,1])
r = x.corr(y,method="kendall") #-0.2611165


            
          

更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 日本在线无| 久久精品道一区二区三区 | 欧美精品日本一级特黄 | 最新国产麻豆精品 | 成人免费淫片免费观看 | 日本一线一区二区三区免费视频 | 一本到中文字幕高清不卡在线 | 色偷偷91综合久久噜噜 | 国产系列欧美系列日韩系列在线 | 鲁鲁狠色综合色综合网站 | 天天操夜夜艹 | 久久九九久精品国产 | 国产精品久久久免费视频 | 久久一区视频 | 99re热久久资源最新获取 | 中文字幕在线精品不卡 | 日本黄色网址免费 | 精品偷拍模特露出丝袜在线 | 日韩a无吗一区二区三区 | 福利视频网站 | 羞羞网站免费观看 | 天天操狠狠操 | 99热97| 久久久久久久久久久9精品视频 | 欧美午夜在线视频 | 欧美特级一级毛片 | 精品国产人成亚洲区 | 手机看片欧美 | 国产欧美日韩精品一区二区三区 | 国产在线19禁免费观看国产 | 成人性开放大片 | 精品九九九 | 欧美专区在线播放 | 日日操夜夜摸 | 国产高清对白国产露脸91 | 久久久久久夜精品精品免费 | 日日噜噜噜夜夜爽爽狠狠 | 91九色蝌蚪91pornv在线 | 久久久久在线 | 日本免费中文字幕在线看 | 一区二区三区四区产品乱码伦 |