Python全系列 教程
3567个小节阅读:5931.7k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
相关分析是用于考察变量间数量关系密切程度的分析方法,例如:身高与体重的关系
几乎所有涉及到多个变量的假设检验方法,都可以被看作是这些变量间的关联性分析
连续 vs 连续:Pearson相关系数(双变量正态分布);Spearman秩相关系数(不符合双变量正态分布)
有序 vs 有序:Gamma系数、肯德尔相关系数等(例如:医生级别与治疗效果的相关关系);也可使用Spearman秩相关系数
无序 vs 无序:列联系数等(例如:民族与职业的关系)
连续 vs 分类:Eta(本质上是方差解释度,即连续变量的离散度有多少可以被另外的分类指标所解释)
1. 关于相关分析,下列说法正确的是:
A 相关分析是用于考察变量间数量关系密切程度的分析方法
B 卡方检验可以看作分组变量与连续因变量间的关联性分析
C t检验可以看作行、列分类变量间的关联性分析
D 聚类分析可以看作因变量和一组自变量间的关联性分析
2. 关于各种相关系数,下列说法正确的是:
A 两个连续变量的相关使用肯德尔相关系数
B 两个有序变量的相关可以使用Gamma系数
C 两个无序变量的相关使用Eta
D 以上说法均不正确
1=>A 2=>B