相关系数的计算公式是什么？
关于相关系数计算公式为：
ρXY=Cov(X，Y)/√［D(X)]√［D(Y)]，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。
拓展资料：定义
相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。
简单相关系数：又叫相关系数或线性相关系数，一般用字母r表示，用来度量两个变量间的线性关系。
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。
相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
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。
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = / ²)*鈭²))銆傚叾涓紝危鏄眰鍜岀鍙凤紝x鍜寉鍒嗗埆鏄袱涓彉閲忕殑鍊硷紝n鏄牱鏈暟閲忋傝繖涓叕寮忕敤浜庨噺鍖栦袱涓彉閲忎箣闂寸殑绾挎у叧绯诲己搴﹀拰鏂瑰悜銆傝缁嗚В閲婂涓嬶細鐩稿叧绯绘暟r鏄竴涓粙浜-1鍜1涔嬮棿鐨勬暟鍊硷紝鐢ㄤ簬鎻忚堪涓や釜鍙橀噺涔嬮棿鐨勭嚎鎬у叧绯荤殑寮哄害鍜屾柟鍚戙傚叾璁＄畻渚濊禆浜庤繖涓や釜鍙橀噺...
绛旓細鐩稿叧绯绘暟鏄竴绉嶈 閲忎袱涓彉閲忎箣闂寸嚎鎬х浉鍏崇▼搴︾殑缁熻閲忋傚畠鐨勫间粙浜-1鍜1涔嬮棿锛屽叾涓-1琛ㄧず瀹屽叏璐熺浉鍏筹紝1琛ㄧず瀹屽叏姝ｇ浉鍏筹紝0琛ㄧず鏃犵浉鍏虫с鐩稿叧绯绘暟鐨勮绠楀叕寮濡備笅锛歳 = 危[(xi-x̄)(yi-ȳ)] / 鈭歔危(xi-x̄)² 危(yi-ȳ)²]鍏朵腑锛寈i鍜寉i鍒嗗埆琛ㄧず涓や釜鍙橀噺...
绛旓細鐨皵閫鐩稿叧绯绘暟鍏紡锛氳嫢Y=a+bX锛屽垯鏈夛細浠锛圶锛 = 渭锛孌锛圶锛= 蟽锛屽垯E锛圷锛= b渭 + a锛孌锛圷锛= b蟽锛孍锛圶Y锛= E锛坅X + bX锛 = a渭 + b锛埾 + 渭锛夛紝Cov锛圶,Y锛= E锛圶Y锛− E锛圶锛塃锛圷)锛= b蟽銆鐩稿叧绯绘暟鏄鏈鏃╃敱缁熻瀛﹀鍗″皵路鐨皵閫婅璁＄殑缁熻鎸囨爣锛屾槸鐮旂┒...
绛旓細1. 鐨皵閫鐩稿叧绯绘暟锛圥earson correlation coefficient锛夛細鐨皵閫婄浉鍏崇郴鏁拌 閲忕殑鏄袱涓彉閲忎箣闂寸殑绾挎у叧绯诲己搴︼紝鍙栧艰寖鍥翠负-1鍒1銆鍏紡濡備笅锛歳 = (危((X - X̄)(Y - Ȳ))) / (n * 蟽X * 蟽Y)鍏朵腑锛宺涓虹毊灏旈婄浉鍏崇郴鏁帮紝X鍜孻鍒嗗埆涓轰袱涓彉閲忕殑鍙栧硷紝X̄鍜Ȳ鍒嗗埆涓轰袱涓...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸锛歳 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^{n} (y_i - \bar{y})^2}} 鍏朵腑锛$n$ 鏄牱鏈閲忥紝$x_i$ 鍜 $y_i$ 鍒嗗埆鏄 $i$ 涓牱鏈殑 $...
绛旓細鐩稿叧绯绘暟 r 鐨勫叿浣璁＄畻鍏紡濡備笅锛歳 = (n危xy 鈥 危x危y) / sqrt((n危x^2 鈥 (危x)^2)(n危y^2 鈥 (危y)^2))鍏朵腑锛宯 鏄牱鏈暟閲忥紝x 鍜 y 鍒嗗埆浠ｈ〃涓や釜鍙橀噺鐨勫彇鍊硷紝危 琛ㄧず姹傚拰锛宻qrt 琛ㄧず骞虫柟鏍广傜浉鍏崇郴鏁 r 鐨勫彇鍊艰寖鍥存槸 -1 鍒 1銆傚綋 r 鐨勫兼帴杩戜簬 1 鏃讹紝琛ㄧず涓や釜鍙橀噺...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸蟻XY=Cov(X锛孻)/鈭氾蓟D(X)]鈭氾蓟D(Y)]銆傚叕寮忔弿杩帮細鍏紡涓瑿ov(X锛孻)涓篨锛孻鐨勫崗鏂瑰樊锛孌(X)銆丏(Y)鍒嗗埆涓篨銆乊鐨勬柟宸傝嫢Y=a+bX锛屽垯鏈夛細浠(X) =渭锛孌(X) =蟽銆傚垯E(Y) = b渭锛媋锛孌(Y) = b蟽銆侲(XY) = E(aX + bX) = a渭锛媌(蟽锛嬑硷級銆侰ov...
绛旓細鐩稿叧绯绘暟r鐨勮绠楀叕寮忔槸蟻XY=Cov(X锛孻)/鈭氾蓟D(X)]鈭氾蓟D(Y)]銆傚叕寮忔弿杩帮細鍏紡涓瑿ov(X锛孻)涓篨锛孻鐨勫崗鏂瑰樊锛孌(X)銆丏(Y)鍒嗗埆涓篨銆乊鐨勬柟宸傝嫢Y=a+bX锛屽垯鏈夛細浠(X) =渭锛孌(X) =蟽銆傚垯E(Y) = b渭锛媋锛孌(Y) = b蟽銆侲(XY) = E(aX + bX) = a渭锛媌(蟽锛嬑硷級銆侰ov...
绛旓細鐩稿叧绯绘暟鍏紡 瀹氫箟寮 蟻XY=Cov(X,Y)/鈭歔D(X)]鈭歔D(Y)]鍏紡鎻忚堪锛氬叕寮忎腑Cov(X,Y)涓篨锛孻鐨勫崗鏂瑰樊锛孌(X)銆丏(Y)鍒嗗埆涓篨銆乊鐨勬柟宸傚叕寮 鑻=a+bX锛屽垯鏈夛細浠(X) = 渭锛孌(X) = 蟽 鍒橢(Y) = b渭 + a锛孌(Y) = b蟽 E(XY) = E(aX + bX) = a渭 + b(蟽 + ...
绛旓細鍒楃淮鍧鐩稿叧绯绘暟鍏紡锛氱敤浜璁＄畻涓や釜鍒嗙被鍨嬪彉閲忎箣闂寸殑鐩稿叧绋嬪害銆 鍏跺叕寮忎负锛歳 = (鈭慜 - E) / 鈭 (鈭慜 - u) (鈭慐 - u)锛屽叾涓璻涓虹浉鍏崇郴鏁帮紝O涓鸿娴嬮鏁帮紝E涓烘湡鏈涢鏁帮紝u涓烘湡鏈涢鏁扮殑鎬诲拰銆傜毊灏旈婄浉鍏崇郴鏁板叕寮忥細鐢ㄤ簬璁＄畻涓や釜杩炵画鍨嬪彉閲忎箣闂寸殑鐩稿叧绋嬪害銆 鍏跺叕寮忎负锛歳 = 鈭 (Xi - X̄)...
