相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标,是研究变量之间线性相关程度的量,一般用字母r表示。由于研究对象的不同,相关系数有多种定义方式,较为常用的是皮尔逊相关系数。
相关系数公式
定义式
ρXY=Cov(X,Y)/√[D(X)]√[D(Y)]
公式描述:公式中Cov(X,Y)为X,Y的协方差,D(X)、D(Y)分别为X、Y的方差。
公式
若Y=a+bX,则有:
令E(X) = μ,D(X) = σ
则E(Y) = bμ + a,D(Y) = bσ
E(XY) = E(aX + bX) = aμ + b(σ + μ)
Cov(X,Y) = E(XY) ? E(X)E(Y) = bσ
二项式常数项公式(x+1/x-2)^n=[(x-1)^2/x]^n=(x-1)^2n/x^n=(-1)^(2n)*[(1-x)^2n]/x^n。二项式常数项公式是依据二项式定理对(a+b)n进行展开得到的式子,由艾萨克·牛顿于1664-1665年间提出。
相关系数r公式及化简
r值的绝对值介于0~1之间。通常来说,r越接近1,表示x与y两个量之间的相关程度就越强,反之,r越接近于0,x与y两个量之间的相关程度就越弱,一般认为:
扩展资料:
需要说明的是,皮尔逊相关系数并不是唯一的相关系数,但是最常见的相关系数,以下解释都是针对皮尔逊相关系数。
依据相关现象之间的不同特征,其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数(相关系数的平方称为判定系数);将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数;将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。