真人作爱90分钟免费看视频,亚洲中文有码字幕日本第一页,亚洲精品中文字幕乱码三区,亚洲日本va中文字幕,中国熟妇牲交视频

相關(guān)性分析與卡方檢驗(yàn)(卡方檢驗(yàn)的線性關(guān)聯(lián))

相關(guān)性分析與卡方檢驗(yàn)(卡方檢驗(yàn)的線性關(guān)聯(lián))

從事質(zhì)量行業(yè)的朋友一定經(jīng)常需要對數(shù)據(jù)進(jìn)行分析,這也是一項(xiàng)最基礎(chǔ)的技能。那么你知道幾種數(shù)據(jù)相關(guān)性分析的方法呢?

初高中學(xué)習(xí)是孩子處于青春期的階段,也是孩子學(xué)習(xí)當(dāng)中最關(guān)鍵的六年,因?yàn)樗婕暗搅酥锌寂c高考,左養(yǎng)中學(xué)教育賴頌強(qiáng)再講孩子的學(xué)習(xí)方法和考試心里調(diào)節(jié)的直播課里,系統(tǒng)的講解到如何幫孩子提升學(xué)習(xí)效率,提升考試時(shí)候的心理素質(zhì),從而提升學(xué)習(xí)成績。

做數(shù)據(jù)分析時(shí),為了提煉觀點(diǎn),相關(guān)性分析是必不可少,而且尤為重要的一個(gè)環(huán)節(jié)。但是,對于不同類型的數(shù)據(jù),相關(guān)性分析的方法都各不相同。本文,主要按照不同的數(shù)據(jù)類型,來對各種相關(guān)性分析方法進(jìn)行梳理總結(jié)。

相關(guān)性分析是指對兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析,相關(guān)性不等于因果性。

一、離散與離散變量之間的相關(guān)性

1、卡方檢驗(yàn)

卡方檢驗(yàn)是一種用途很廣的計(jì)數(shù)資料的假設(shè)檢驗(yàn)方法。它屬于非參數(shù)檢驗(yàn)的范疇,主要是比較兩個(gè)及兩個(gè)以上樣本率( 構(gòu)成比)以及兩個(gè)分類變量的關(guān)聯(lián)性分析。其根本思想就是在于比較理論頻數(shù)和實(shí)際頻數(shù)的吻合程度或擬合優(yōu)度問題。

它在分類資料統(tǒng)計(jì)推斷中的應(yīng)用,包括:兩個(gè)率或兩個(gè)構(gòu)成比比較的卡方檢驗(yàn);多個(gè)率或多個(gè)構(gòu)成比比較的卡方檢驗(yàn)以及分類資料的相關(guān)分析等。

相關(guān)性分析與卡方檢驗(yàn)(卡方檢驗(yàn)的線性關(guān)聯(lián))

(1)假設(shè),多個(gè)變量之間不相關(guān)

(2)根據(jù)假設(shè)計(jì)算得出每種情況的理論值,根據(jù)理論值與實(shí)際值的差別,計(jì)算得到卡方值 及 自由度

df=(C-1)(R-1)

(3)查卡方表,求p值

卡方值越大,P值越小,變量相關(guān)的可能性越大,當(dāng)P<=0.05,否定原假設(shè),認(rèn)為變量相關(guān)。

2、信息增益和信息增益率

在介紹信息增益之前,先來介紹兩個(gè)基礎(chǔ)概念,信息熵和條件熵。

信息熵,就是一個(gè)隨機(jī)變量的不確定性程度。

條件熵,就是在一個(gè)條件下,隨機(jī)變量的不確定性。

(1)信息增益:熵 – 條件熵

在一個(gè)條件下,信息不確定性減少的程度。

Gain(Y,X)=H(Y)-H(Y|X)

信息增益越大,表示引入條件X之后,不純度減少得越多。信息增益越大,則兩個(gè)變量之間的相關(guān)性越大。

(2)信息增益率

假設(shè),某個(gè)變量存在大量的不同值,例如ID,引入ID后,每個(gè)子節(jié)點(diǎn)的不純度都為0,則信息增益減少程度達(dá)到最大。所以,當(dāng)不同變量的取值數(shù)量差別很大時(shí),引入取值多的變量,信息增益更大。因此,使用信息增益率,考慮到分支個(gè)數(shù)的影響。

Gain_ratio=(H(Y)-H(Y|X))/H(Y|X)

二、連續(xù)與連續(xù)變量之間的相關(guān)性

1、協(xié)方差

協(xié)方差,表達(dá)了兩個(gè)隨機(jī)變量的協(xié)同變化關(guān)系。如果兩個(gè)變量不相關(guān),則協(xié)方差為0。

Cov(X,Y)=E{[X-E(X)],[Y-E(Y)]}

當(dāng) cov(X, Y)>0時(shí),表明 X與Y 正相關(guān);

當(dāng) cov(X, Y)<0時(shí),表明X與Y負(fù)相關(guān);

當(dāng) cov(X, Y)=0時(shí),表明X與Y不相關(guān)。

協(xié)方差只能對兩組數(shù)據(jù)進(jìn)行相關(guān)性分析,當(dāng)有兩組以上數(shù)據(jù)時(shí)就需要使用協(xié)方差矩陣。

協(xié)方差通過數(shù)字衡量變量間的相關(guān)性,正值表示正相關(guān),負(fù)值表示負(fù)相關(guān)。但無法對相關(guān)的密切程度進(jìn)行度量。當(dāng)我們面對多個(gè)變量時(shí),無法通過協(xié)方差來說明那兩組數(shù)據(jù)的相關(guān)性最高。要衡量和對比相關(guān)性的密切程度,就需要使用下一個(gè)方法:相關(guān)系數(shù)。

2、線性相關(guān)系數(shù)

也叫Pearson相關(guān)系數(shù), 主要衡量兩個(gè)變量線性相關(guān)的程度。

r=cov(X,Y)/(D(X)D(Y))

相關(guān)系數(shù)是用協(xié)方差除以兩個(gè)隨機(jī)變量的標(biāo)準(zhǔn)差。相關(guān)系數(shù)的大小在-1和1之間變化。再也不會出現(xiàn)因?yàn)橛?jì)量單位變化,而數(shù)值暴漲的情況了。

線性相關(guān)系數(shù)必須建立在因變量與自變量是線性的關(guān)系基礎(chǔ)上,否則線性相關(guān)系數(shù)是無意義的。

三、連續(xù)與離散變量之間的相關(guān)性

1、連續(xù)變量離散化

將連續(xù)變量離散化,然后,使用離散與離散變量相關(guān)性分析的方法來分析相關(guān)性。

2、箱形圖

使用畫箱形圖的方法,看離散變量取不同值,連續(xù)變量的均值與方差及取值分布情況。

如果,離散變量取不同值,對應(yīng)的連續(xù)變量的箱形圖差別不大,則說明,離散變量取不同值對連續(xù)變量的影響不大,相關(guān)性不高;反之,相關(guān)性高。

版權(quán)聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻(xiàn),該文觀點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容, 請發(fā)送郵件至89291810@qq.com舉報(bào),一經(jīng)查實(shí),本站將立刻刪除。
(1)
上一篇 2022年7月14日 上午8:26
下一篇 2022年7月14日 上午8:56

相關(guān)推薦