- 統計教程
- 主頁
- 調整R方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 圓排列
- 整群抽樣
- 科恩 Kappa 係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- 格朗布林分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均偏差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差(r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力(Cp)和過程效能(Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- Shannon-Wiener多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤(SE)
- 標準正態表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83指數迴歸
- 變換
- 截尾均值
- I型和II型錯誤
- 方差
- 維恩圖
- 大數弱定律
- Z表
- 統計有用資源
- 統計 - 討論
統計 - 相關係數
相關係數
相關係數是衡量一個變數的值的變化在多大程度上可以預測另一個變數的值的變化的統計指標。在正相關的變數中,值會同步增加或減少。在負相關的變數中,一個變數的值增加時,另一個變數的值會減少。
相關係數表示為+1和-1之間的值。
係數+1表示完美的正相關:一個變數的值的變化將預測第二個變數在相同方向上的變化。
係數-1表示完美的負相關:一個變數的值的變化預測第二個變數在相反方向上的變化。較低程度的相關性表示為非零小數。係數為零表示變數波動之間沒有明顯的關聯。
公式
${r = \frac{N \sum xy - (\sum x)(\sum y)}{\sqrt{[N\sum x^2 - (\sum x)^2][N\sum y^2 - (\sum y)^2]}} }$
其中:
${N}$ = 分數對的數量
${\sum xy}$ = 成對分數的乘積之和。
${\sum x}$ = x分數之和。
${\sum y}$ = y分數之和。
${\sum x^2}$ = x分數的平方和。
${\sum y^2}$ = y分數的平方和。
示例
問題陳述
計算下列資料的相關係數
| X | Y |
|---|---|
| 1 | 2 |
| 3 | 5 |
| 4 | 5 |
| 4 | 8 |
解答
${ \sum xy = (1)(2) + (3)(5) + (4)(5) + (4)(8) = 69 \\[7pt] \sum x = 1 + 3 + 4 + 4 = 12 \\[7pt] \sum y = 2 + 5 + 5 + 8 = 20 \\[7pt] \sum x^2 = 1^2 + 3^2 + 4^2 + 4^2 = 42 \\[7pt] \sum y^2 = 2^2 + 5^2 + 5^2 + 8^2 = 118 \\[7pt] r= \frac{69 - \frac{(12)(20)}{4}}{\sqrt{(42 - \frac{(12)^2}{4})(118-\frac{(20)^2}{4}}} \\[7pt] = .866 }$
廣告