相关性系数公式大小能不能体现影响程度?

来源：蜘蛛抓取(WebSpider) 时间：2018-08-08 02:12 标签： 相关性系数

CORREL 函数计算两组数值的相关系数

其中，array1 表示第一组数值单元格区域，array2 表示第二组数值单元格区域。

1）如果数组或引用参数中包含文本、逻辑值或空白单元格，这些值将被忽略，但包含零值的单元格将被计算在内。

2）如果 array1 和 array2 的数据点个数不同，则返回错误值「#N/A」。

3）如果 array1 或 array2 为空，则其数值的标准差为 0 ，函数返回错误值「≠DIV/0!」。

以下属某公司的销售情况为例，已知某地平均温度，衬衣、裤子和羽绒服的销售情况，现在需要计算各种服装的销售数量和温度之间的相关系数。

1、在 Excel 2010 工作表中选择 D16 单元格，输入公式「 =CORREL(C3：C14，D3：D14) 」，回车后即可得出衬衣销量和温度的相关系数为正数，表明衬衣销量和温度成一定的正比关系，即温度越高衬衣的销量越高。

2、选择 E16 单元格之后，输入公式「 =CORREL(C3：C14，E3：E14) 」，即可得出裤子销量和温度的相关系数为负数，表明裤子的销量与温度没有直接关系。

3、选中 F16 单元格之后，在其中输入公式「 =CORREL(C3：C14，F3：F14) 」，即可得出羽绒服销量与温度的相关系数为负数，表明羽绒服销量与温度有密切的反比关系，即温度越高羽绒服的销量越低。

这三个相关系数与实际生活也是相符的，因此可以说这个公司的销售情况是正常的。

CORREL 函数计算两组数值的相关系数 CORREL 函数的表达式为：CORREL(array1，array2)。 其中，array1 表示第一组数值单元格区域，array2 表示第二组数值单元格区域。 在 Excel 2010 中使用 CORREL 函数时应该注意： 1）如果数组或引用参数中包含文本、逻辑值或空白单元...

这个帖子发布于5年零50天前，其中的信息可能已发生改变或有所发展。

作spearman 相关时能比较相关性的大小有无统计学意义吗？最近看了篇文献，将HbA1C,FBG,及2h-BG与一些指标做相关性分析，并且比较了相关性的优劣，并附有P值，不知道是怎么做到的。

    不知道邀请谁？试试他们

  • 政治敏感、违法虚假信息

on;结论：（1）当数据个数和FFT采用的数据个数均为32时，频率分辨率较低，但没有由于添零而导致的其他频率成分。（2）由于在时间域内信号加零，致使振幅谱中出现很多其他成分，这是加零造成的。其振幅由于加了多个零而明显减小。（3）FFT程序将数据截断，这时分辨率较高。（4）也是在数据的末尾补零，但由于含有信号的数据个数足够多，FFT振幅谱也基本不受影响。   对信号进行频谱分析时，数据样本应有足够的长度，一般FFT程序中所用数据点数与原含有信号数据点数相同，这样的频谱图具有较高的质量，可减小因补零或截断而产生的影响。例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)（1）数据点过少，几乎无法看出有关信号频谱的详细信息；（2）中间的图是将x(n)补90个零，幅度频谱的数据相当密，称为高密度频谱图。但从图中很难看出信号的频谱成分。（3）信号的有效数据很长，可以清楚地看出信号的频率成分，一个是0.24Hz，一个是0.26Hz，称为高分辨率频谱。         可见，采样数据过少，运用FFT变换不能分辨出其中的频率成分。添加零后可增加频谱中的数据个数，谱的密度增高了，但仍不能分辨其中的频率成分，即谱的分辨率没有提高。只有数据点数足够多时才能分辨其中的频率成分。


第三：功率谱matlab实现经典功率谱估计fft做出来是频谱，psd做出来是功率谱；功率谱丢失了频谱的相位信息；频谱不同的信号其功率谱是可能相同的；功率谱是幅度取模后平方，结果是个实数matlab中自功率谱密度直接用psd函数就可以求，按照matlab的说法，psd能实现Welch法估计，即相当于用改进的平均周期图法来求取随机信号的功率谱密度估计。psd求出的结果应该更光滑吧。1、直接法：直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。Matlab代码示例：clear;Fs=1000;

    这个是信号分析里的概念，他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度，即互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。

    自相关函数是描述随机信号X(t)在任意两个不同时刻t1，t2的取值之间的相关程度；互相关函数给出了在频域内两个信号是否相关的一个

判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生

    事实上，在图象处理中，自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。

那么，如何在matlab中实现这两个相关并用图像显示出来呢？

（1）相关程度与相关函数的取值有什么联系？

    相关系数只是一个比率，不是等单位量度，无什么单位名称，也不是相关的百分数，一般取小数点后两位来表示。相关系数的正负号只表

示相关的方向，绝对值表示相关的程度。因为不是等单位的度量，因而不能说相关系数0.7是0.35两倍，只能说相关系数为0.7的二列变量相关程度

    分别用这两个函数对同一个序列计算，为什么结果不太一样？因为xcorr是没有将均值减掉做的相关，autocorr则是减掉了均值的。而且，用离散信号做自相关时，信号截取长度（采样点N）不一样，自相关函数就不一样。

y是不等长向量时，短的向量会自动填0与长的对齐，运算结果是行向量还是列向量就与x一样。互相关运算计算的是x,y两组随机数据的相关程度，使用参数coeff时，结果就是互相关系数，在-1至1之间，否则结果不一定在这范围，有可能很大也有可能很小，这视乎x, y数据的大小，所以一般要计算两组数据的相关程度，一般选择coeff参数，对结果进行归一化。所谓归一化简单理解就是将数据系列缩放到-1到1范围，正式的就是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。变换式为X=(X实测--Xmin)/(Xmax-Xmin)。一般来说选择归一化进行互相关运算后，得到结果绝对值越大，两组数据相关程度就越高。

我要回帖

更多关于 相关性系数 的文章

 

随机推荐