《Spearmen相关系数和Pearson相关系数及其MATLAB实现》由会员共享，可在线阅读。 更多相关《Spearmen相关系数和Pearson相关系数及其MATLAB实现(5页珍藏版)》请在人人文库网上搜索。
1、Spearmen相关系数、Pearson相关系数及其MATLAB实现Spearmen相关系数，Spearman秩相关系数是一种无参数(与分布无关)的检验方法，用于衡量变量之间相关的强弱。 如果没有重叠数据，则如果一个变量是另一个变量的严格单调函数，则Spearman秩相关系数为1或-1，变量完全称为Spearman秩相关。 式中，n为样本数，对原始数据按从大到小的顺序排序、记住，作为原始数据，排序后列表中的位置，称为、的顺序、位次差。 使用Pearson线性相关系数有两个限制：1)必须假定数据是从正态分布成对获得的。 2 )数据至少在逻辑范围内是等间隔的。 位置n原始x排序后排名次原始y排序。
2、后等级的位次差1125465178612546451784610313846103133245132462053212362416264513-3对于上表的数据，计算出Spearman的等级相关系数，则r 对于相关系数r(-10.829 )，样本之间存在显著相关，反之无显著相关，如果|r|0.943，则样本之间存在极显著相关。 程序：将%以下的程序另存为mySpearman.m文件%functioncoeff=mySpearman(x，y ) iflength ) x )=lengt。
3、h(y ) error )两个数值列维数不相等)； 返回； endn=length(x； %得到的数组长度xrank=Zeros(1，n )； %存储x中每个元素的排名yrank=Zeros(1，n )； %存储y中各元素的排序%计算Xrank中的各值for i=1 : N cont1=1； %记录大于特定元素的元素个数cont2=-1； %与特定元素相同元素的个数forj=1:nifx(I ) x ) j ) cont1=cont1 1； ELSEifx(I )=x ) j ) cont2=cont2 1； 结束。
4、endxrank(I )=conT1mean ) 0:cont2； end %计算Yrank的各值for i=1 : N cont1=1； %记录大于特定元素的元素个数cont2=-1； %与特定元素相同的元素的个数forj=1:nify(I ) y ) j ) cont1=cont1 1； elseify(I )=y ) j ) cont2=cont2 1； endendyrank(I )=conT1mean ) 0:cont2； 使用差分等级(或排名)序列计算cqdkl等级相关系数coeff=1-(6)。
5、*sum(xrank-yrank ).2 )/) n* ) N2-1 )； end%函数mySpearman结束%运行以下程序： % x=12，546，13，45，32，2； y=1、78、2、46、6、45； s=mySpearman(x，y )； 根据%以上程序，可以计算出Spearman秩相关系数为0.6571%matlab自适应程序coeff=corr(x，y，type，Spearman )； Pearson相关系数也称为皮尔森乘积相关系数(Pearson product-momentcorrelationcoefficient )，是。
6、用于反应两个变量相似度的统计量。 或者，可以用于计算两个向量的相似性(也应用于基于向量空间模型的文本分类、用户偏好推荐系统)。 仅当两个变量的标准偏差均不为零时，才会定义相关系数。 皮尔森相关系数适用于(1)、两个变量之间为线性关系且为连续数据的情况。 )2)、两个变量的总体为正态分布，或接近正态的单峰分布。 (3)、2个变量的观测值成对，各自的观测值相互独立。 %将以下程序另存为myPearson.m文件%functioncoeff=mypearson(x，y ) %此函数用于计算皮尔森相关系数
7、等； 返回； endn=length(x； f1=sum(x.*y )-) sum ) x ) sum ) y )/N； F2=sqrt(sum(x.2(-sum ) x )2/N ) ) sum ) y.2 )-sum ) y )2/N )； coeff=f1/f2； end %函数myPearson结束% x=12，546，13，45，32，2； y=1、78、2、46、6、45； %X Y自己定义p=myPearson(x，y )； %matlab拥有程序coeff=corr(x，y )。 图1等级相关系数检查的阈值表图是等级相关系数检查的阈值表。 对相关系数p(-1p1 ) a .当|p|越接近1，表示样本间相关度越高； b.|p|越接近0，表示样本之间的相关越低。 得到Pearson相关系数p并与0.829进行比较。 和前面的方法相似。