まず、ピアソン相関
で統計 2つの変数はXとYを測定するために使用されている間に、ピアソン相関係数(ピアソン相関係数)は、また、(ピアソンの積率相関係数、または単にのPCCのPPMCC呼ぶ)ピアソンの積率相関係数として知られています相関(線形相関)、-1と1の間の値。
それはであるカール・ピアソンからフランシス・ゴルトン進化の1880年代に提案されている類似しているが、わずかに異なる発想から。また、「ピアソンの積率相関係数」と呼ばれ、相関係数、
定義
相関係数
0.6〜0.8の強い相関
0.4〜0.6適度な相関
0.2-0.4弱い相関
0.0から0.2非常に弱い相関または無相関
使用条件
二つの変数の標準偏差がゼロでない場合、相関係数の唯一の定義は、ピアソン相関係数が適しています。
(1)2つの変数間の線形関係を、連続したデータです。
(2)2つの変数は、一般に、正常またはほぼ正常な単峰性分布です。
(3)、これらの変数の観測値が対になっており、各対は、独立した観測結果です。
第二に、ケンドール相関(ケンドール)
定義ケンダル(ケンダル)係数:nは統計的標的特異的性質の類似のソートは、他の特性は、通常、スクランブルされます。同じ(一致対)の配列と等圧の比率(不一致ペア)との合計数との差として定義される(N *(N-1)/ 2)ケンダル(ケンダル)係数です。
R =(P-(N *(N-1)/ 2-P))/(N *(N-1)/ 2)=(4P /(N *(N-1))) - 1
適用性
データのスピアマン相関係数のケンドールの相関係数は、同じ条件を必要とします
第三に、スピアマンの相関(スピアマン)
二つの変数の依存性ノンパラメトリック指標の。これは、使用して単調な相関評価式に2つの統計変数を。いかなるデータ値が繰り返されていない場合、および2つの完全に単調に関連した変数は、スピアマンの相関係数が+1または-1であった場合。
四、3つの依存選択
http://www.datasoldier.net/archives/716