怎么算两个变量的相关系数呢？

1. 怎么算两个变量的相关系数呢？

x与y的相关系数可以通过公式Cov(X,Y)/根号（Var[X]*Var[Y]），其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。x与y的相关系数：1、当相关系数为0时，X和Y两变量无关系。2、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。3、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

2. 怎么计算两个变量的相关系数？

x与y的相关系数可以通过公式Cov(X,Y)/根号（Var[X]*Var[Y]），其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。x与y的相关系数：1、当相关系数为0时，X和Y两变量无关系。2、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。3、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

3. 如何计算两个变量的相关系数？

x与y的相关系数可以通过公式Cov(X,Y)/根号（Var[X]*Var[Y]），其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。x与y的相关系数：1、当相关系数为0时，X和Y两变量无关系。2、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。3、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

4. 怎么求两个变量间的相关系数？

d(x+y)=d(x)+d(y)+2cov(xy)主要是通过D(X+Y)与D(X-Y)之间的关系推导出来的；
解答如下：
首先：D(X+Y)=D(X)+D(Y)+2Cov(X，Y)
D(X-Y)=D(X)+D(Y)-2Cov(X，Y)
其次：
Cov(X，Y)=E(XY)-E(X)E(Y)。
协方差的性质：
Cov(X，Y)=Cov(Y，X)；
Cov(aX，bY)=abCov(X，Y)，（a，b是常数）；
Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。
Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。

扩展资料：
1、协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。为此引入如下概念：定义称为随机变量X和Y的(Pearson)相关系数。
若ρXY=0，则称X与Y不线性相关。即ρXY=0的充分必要条件是Cov(X，Y)=0，亦即不相关和协方差为零是等价的。2、设ρXY是随机变量X和Y的相关系数，则有∣ρXY∣≤1；∣ρXY∣=1充分必要条件为P{Y=aX+b}=1，（a，b为常数，a≠0）
3、设X和Y是随机变量，若E(X^k)，k=1，2，...存在，则称它为X的k阶原点矩，简称k阶矩。
若E{[X-E(X)]k}，k=1，2，...存在，则称它为X的k阶中心矩。
若E{(X^k）（Y^p)}，k、p=1，2，...存在，则称它为X和Y的k+p阶混合原点矩。
若E{[X-E(X)]^k[Y-E(Y)]^l }，k、l=1，2，...存在，则称它为X和Y的k+l阶混合中心矩。

5. 怎样计算两个变量的相关系数？

常见的相关系数为简单相关系数，简单相关系数又称皮尔逊相关系数或者线性相关系数。线性相关系数计算公式如图所示：


r值的绝对值介于0～1之间。通常来说，r越接近1，表示x与y两个量之间的相关程度就越强，反之，r越接近于0，x与y两个量之间的相关程度就越弱。

线性相关系数性质：
(1)定理: | ρXY | = 1的充要条件是，存在常数a，b，使得P{Y=a+bX}=1。
相关系数ρXY取值在-1到1之间，ρXY = 0时。
称X,Y不相关; | ρXY | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系; | ρXY |  0.8时称为高度相关，当 | ρXY | < 0.3时称为低度相关，其它时候为中度相关。
(2)推论:若Y=a+bX，则有。
证明: 令E(X) = μ，D(X) = σ。
则E(Y) = bμ + a，D(Y) = bσ。
E(XY) = E(aX + bX) = aμ + b(σ + μ)。
Cov(X,Y) = E(XY) − E(X)E(Y) = bσ。
若b≠0，则ρXY ≠ 0。
若b=0，则ρXY = 0。

6. 两组数据怎么算相关系数？

满意请采纳。

7. 两个变量的相关系数有几个

两个变量落后交叉相关系数高表示什么?
落后是滞后、延迟的意思吧？英文为：delay
交叉相关是互相关的意思吧？英文为：cross
correlation
两个变量：x(t)
和
y(t+τ)即y(t)延迟了τ时间滞后两变量之间的相关关系。
这个相关系数值高（大）表示x(t)
和
y(t+τ)两个变量之间的‘相似性’高或者说x(t)
和
y(t+τ)两个波形非常接近。比如说：x＝sin
x，y=sin
x，因为x=y，所以相关性最大；如果x=sin
x，y=cos
x
那么由于正余弦函数的正交性，使得x、y的相关性为0。如果x
=
sin
x，y
=
cos
(x+π/2)，那么再算相关系数，其值很高！原因是：y延迟π/2之后，与x的波形又趋于一致了。
因此，两个变量‘落后’‘交叉相关’系数高表示：延迟一个时间后，两个变量x、y的波形非常相似的意思！
在此，只作‘形象’的说明，不作复杂公式推演。仅供参考。

8. 如何利用相关系数来解释两变量关系？

已知：相关系数是解释两连续变量之间是否存在线性关系的数值。趋近于0表示不相关，靠近1或-1表示强烈相关，符号表示正相关或负相关。
我的问题：书上说道，当利用相关系数来解释两个变量之间的关系时，这个相关统计是否重要，有两个判定标准：
然后是一通解释，我完全没有看懂。
对问题1的解释：要考虑样本来自相关系数为.00的总体的概率。做法是从总体中进行100次容量为N的抽样，计算每次抽样的相关系数，然后获取95%的相关系数范围，还断言这一范围会呈现关于.00对称的特点。如果实际样本的相关系数在此范围之外，可以认为所观测结果与.00显著不同。之后给出了Magnusson的公式，计算得到一个估值-.28和.28。我是没看懂书上的解释。
对于问题2的解释就更蹊跷了：相关系数的平方表示Y中方差中的百分之多少与X的方差相关。以母亲年龄与3岁儿童IQ的相关系数为.30，IQ方差为225，说IQ分数的方差的9%与母亲年龄有关。然后选择年龄为25岁的一批孩子，计算他们的IQ的方差。这个方差和估值之间的差异会说明什么吗？书上说“儿童IQ分数的标准差相对较小的减少（当与母亲年龄有关的变量消除后），表明这个相关系数可能不具有实际意义。” 进而提出中要对中等程度相关系数的解释保持谨慎态度。
以上问题有点复杂，但真心不太理解。求帮助。