对皮尔逊相关系数进行假设检验
第一步：提出原假设和备择假设
第二步：构造统计量
第三步：将我们要检验的这个值代入，得到检验值
第四步：画出概率密度函数
%% 假设检验部分 x = -4:0.1:4; y = tpdf(x,28); %求t分布的概率密度值 28是自由度 figure(1) plot(x,y,'-') grid on % 在画出的图上加上网格线 hold on % 保留原来的图，以便继续在上面操作 % matlab可以求出临界值，函数如下 tinv(0.975,28) % 2.0484 % 这个函数是累积密度函数cdf的反函数 plot([-2.048,-2.048],[0,tpdf(-2.048,28)],'r-') plot([2.048,2.048],[0,tpdf(2.048,28)],'r-') 
第五步：给出置信水平，找到临界并画出接受域和拒绝域
第六步：判断接受还是拒绝原假设，并得出结论
这里有更好用的办法：p值判断法
我们得到的检验值t*=3.05505,根据这个值，我们可以计算出其对应的那个概率。
%% 计算p值 x = -4:0.1:4; y = tpdf(x,28); figure(2) plot(x,y,'-') grid on hold on % 画线段的方法 plot([-3.055,-3.055],[0,tpdf(-3.055,28)],'r-') plot([3.055,3.055],[0,tpdf(3.055,28)],'r-') disp('该检验值对应的p值为：') disp((1-tcdf(3.055,28))*2) %双侧检验的p值要乘以2 计算得出p=0.0049。p<0.05,说明在95%的置信水平上拒绝原假设，意味着皮尔逊相关系数显著地异于0。
%% 计算各列之间的相关系数以及p值 [R,P] = corrcoef(Test) % 在EXCEL表格中给数据右上角标上显著性符号吧 P < 0.01 % 标记3颗星的位置 (P < 0.05) .* (P > 0.01) % 标记2颗星的位置 (P < 0.1) .* (P > 0.05) % % 标记1颗星的位置 % 也可以使用Spss操作哦 皮尔逊相关系数假设实验的条件
第一，实验数据通常是对成对的来自于正态分布的整体，因为我们再求皮尔逊相关系数以后，通常还会用t检验之类的方法来进行皮尔逊相关系数检验，而t检验是基于数据呈正态分布的假设的。
第二，实验数据之间的差距不能太大，皮尔逊相关性系数收到异常值的影响比较大。
第三，每组样本之间是相互独立的，构造t统计量时需要用到。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/212421.html原文链接：https://javaforall.net
