X
- - - - - -输入矩阵输入矩阵,作为指定n——- - - - - -k矩阵。的行X
对应于观测,列对应的变量。
X = randn (10、5)
数据类型:单
|双
Y
- - - - - -输入矩阵输入矩阵,作为指定n——- - - - - -k2矩阵时X
被指定为一个n——- - - - - -k1矩阵。的行Y
对应于观测,列对应的变量。
7 Y = randn(20日)
数据类型:单
|双
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
相关系数(X, Y,“类型”,“假象”,“行”,“完成”)
返回肯德尔的τ相关系数仅使用不含有缺失值的行。
“尾巴”
- - - - - -备择假设“两个”
(默认)|“对”
|“左”
备择假设,指定为逗号分隔组成的“尾巴”
其中一个表中的值。“尾巴”
指定的备择假设来计算p测试值不相关的假设。
价值 | 描述 |
---|---|
“两个” |
测试相关的备择假设0 。 |
“对” |
测试相关大于备择假设0 |
“左” |
测试的相关性小于备择假设0 。 |
相关系数
计算p值的双尾检验通过加倍的更重要的两个单侧p值。
“尾巴”、“左派”
ρ
——成对线性相关系数成对线性相关系数,作为一个矩阵返回。
如果你只输入一个矩阵<一个href="#d122e210337" class="intrnllnk">X
,ρ
是一个对称的k——- - - - - -k矩阵,k列的数量吗X
。条目ρ(a, b)
两两之间的线性相关系数列一个和列b在X
。
如果你输入矩阵X
和<一个href="#d122e210371" class="intrnllnk">Y
,ρ
是一个k1——- - - - - -k2矩阵,k1和k2列的数量吗X
和Y
,分别。条目ρ(a, b)
两两之间的线性相关系数列一个在X
和列b在Y
。
pval
- - - - - -p值p值,返回一个矩阵。的每个元素pval
是p对应元素的值ρ
。
如果pval (a, b)
是小(小于0.05
),那么相关性ρ(a, b)
是明显不同于零。
皮尔森是线性相关系数是最常用的线性相关系数。为列X一个在矩阵X和列Yb在矩阵Y,意味着 和 皮尔森的线性相关系数ρ(a, b)被定义为:
在哪里n是每一列的长度。
值的相关系数的范围可以从1
来+ 1
。的值1
表明完美的负相关,而价值+ 1
表示完全正相关。的值0
显示的列之间没有相关性。
值的相关系数的范围可以从1
来+ 1
。的值1
表明一个列排名是反向的,而价值+ 1
表明这两个排名都是相同的。的值0
表明你没有列之间的关系。
之间的区别相关系数(X, Y)
和MATLAB®函数corrcoef (X, Y)
是,corrcoef (X, Y)
返回一个矩阵的相关系数有两个列向量X
和Y
。如果X
和Y
不列向量,corrcoef (X, Y)
将它们转换成列向量。
[1]长臂猿,法学博士非参数统计推断。第二版。m .德克,1985年。
[2]打浆机,M。,D.A.沃尔夫。非参数统计方法。威利,1973年。
[3]肯德尔,M.G.等级相关方法。格里芬,1970年。
[4]最好,D.J.,和D.E. Roberts. "Algorithm AS 89: The Upper Tail Probabilities of Spearman's rho."应用统计学,24:377 - 379。
这个函数支持高数据数组的内存金宝app不足的限制:
只有皮尔森的
类型的支持。金宝app
有关更多信息,请参见<一个href="//www.tatmou.com/help/releases/R2020b/matlab/import_export/tall-arrays.html" class="a">高内存不足数据数组一个>。
这个函数完全支持GPU数组。金宝app有关更多信息,请参见<一个href="//www.tatmou.com/help/releases/R2020b/parallel-computing/run-matlab-functions-on-a-gpu.html" class="a">运行在GPU MATLAB函数一个>(并行计算工具箱)。