Коэффициент корреляции Спирмена

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Определение

Заданы две выборки x = (x_1,\ldots,x_n),\;\; y = (y_1,\ldots,y_n).

Обозначим через L_x — число связок в выборке x;

T_{x_l} — число объектов в l-ой связке, l=1,\ldots,L_x;
L_y — число связок в выборке y;
T_{y_l} — число объектов в l-ой связке, l=1,\ldots,L_y;

Выборкам x и y соответствуют последовательности рангов:

R_x=(R_{x_1},\ldots,R_{x_n}), где R_{x_i} — ранг i-го объекта в вариационном ряду выборки x;
R_y=(R_{y_1},\ldots,R_{y_n}), где R_{y_i} — ранг i-го объекта в вариационном ряду выборки y.

Коэффициент корреляции Спирмена равен

\rho=\frac{\sum_{i=1}^n{(R_{x_i}-\frac{n+1}{2})(R_{y_i}-\frac{n+1}{2})}}{\frac{1}{12}(n^3-n)-\Delta},

где \Delta=\frac{1}{2}\sum_{l=1}^{L_{x}}{T_{x_l}(T_{x_l}^2-1)+\frac{1}{2}\sum_{l=1}^{L_y}{T_{y_l}(T_{y_l}^2-1)}}

Коэффициент корреляции Спирмена \rho изменяется от -1 до 1. Равенство \rho=1 указывает на строгую линейную корреляцию, \rho=0 указывает на отсутствие корреляции.

Статистическая проверка наличия корреляции

Гипотеза H_0: Выборки x и y не коррелируют, \rho=0.

Статистика критерия:

\frac{\rho\sqrt{n-2}}{\sqrt{1-\rho^2}}\sim t_{n-2},

где t_{n-2}распределение Стьюдента с n-2 степенями свободы.

Критерий (при уровне значимости \alpha):

  • против альтернативы H_1: наличие корреляции
если \rho > t_{n-2,\alpha} , где t_{n-2,\alpha}\alpha-квантиль распределение Стьюдента с n-2 степенями свободы..

Связь коэффициента корреляции Спирмена с коэффициентом корреляции Пирсона

В случае выборок из нормального распределения коэффициент корреляции Спирмена \rho может быть использован для оценки коэффициента корреляции Пирсона r по формуле

r=sin{\frac{\pi\rho}{2}}

Связь коэффициента корреляции Спирмена с коэффициентом корреляциии Кенделла

Выборкам x и y соответствуют последовательности рангов:

R_x=(R_{x_1},\ldots,R_{x_n}), где R_{x_i} — ранг i-го объекта в вариационном ряду выборки x;
R_y=(R_{y_1},\ldots,R_{y_n}), где R_{y_i} — ранг i-го объекта в вариационном ряду выборки y.

Проведем операцию упорядочевания рангов.

Расположим ряд значений x_i в порядке возрастания величины: x_1\leq x_2\leq\cdots\leq x_n. Тогда последовательность рангов упорядоченной выборки x будет представлять собой последовательность натуральных чисел 1,2,\cdots,n. Значения y, соответствующие значениям x, образуют в этом случае некоторую последовательность рангов T=(T_1,\cdots,T_n).

(R_{x_i},R_{y_i})\rightarrow^{sort} (i,T_i),\; i=1,\cdots,n (sort — операция упорядочевания рангов).

Коэффициент корреляции Спирмена \rho и коэффициент корреляции Кенделла \tau выражаются через ранги T_i,\; i=1,\cdots,n следующим образом:

\rho=1-\frac{12}{n^3-n}\sum_{i<j}{(j-i)[T_i>T_j]}
\tau=1-\frac{4}{n^2-1}\sum_{i<j}[T_i>T_j]

Коэффициент корреляции Спирмена учитывает насколько сильна неупорядоченность.

Утверждение. Если выборки x и y не коррелируют (выполняется гипотеза H_0), то коэффициент корреляции между величинами \rho и \tau можно вычислить по формуле:

corr(\rho,\tau)=\frac{2n+2}{\sqrt{4n^2+10n}}

Литература

  1. Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006. — 816 с.
  2. Лагутин М. Б. Наглядная математическая статистика. В двух томах. — М.: П-центр, 2003

См. также

Ссылки


Данная статья является непроверенным учебным заданием.
Студент: Участник:Василий Ломакин
Преподаватель: Участник:Vokov
Срок: 31 декабря 2009

До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}.

См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.


Личные инструменты