Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

PearsonCorrelationTest

PearsonCorrelationTest[v₁,v₂]

检验向量 v₁ 与 v₂ 是否线性独立.

PearsonCorrelationTest[…,"property"]

返回 "property" 的值.

更多信息和选项

PearsonCorrelationTest 在 v₁ 和 v₂ 上执行假设检验，向量是线性独立的为零假设，它们不是线性独立的为替代假设 .
默认情况下，返回概率值或值.
小的值说明不可能为真.
参变量 v₁ 和 v₂ 可以是任何等长的实数值向量.
PearsonCorrelationTest 基于由 Correlation[v₁,v₂] 计算的 Pearson 乘积矩相关 . 在中，渐近遵循 StudentTDistribution[n-2].
PearsonCorrelationTest[v₁,v₂,"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，它可用于提取另外的检验结果和使用形式为 htd["property"] 的属性.
PearsonCorrelationTest[v₁,v₂,"property"] 可用于直接给出 "property" 值.
与检验结果报告相关的属性包括：

	"DegreesOfFreedom"	检验中使用的自由度
	"PValue"	检验中的值
	"PValueTable"	包含值的格式化的表格
	"ShortTestConclusion"	检验结论的简短描述
	"TestConclusion"	检验结论的描述
	"TestData"	包含检验统计量和值的列表
	"TestDataTable"	值和检验统计量的格式化表格
	"TestStatistic"	检验统计量
	"TestStatisticTable"	包含检验统计量的格式化表格

可使用以下选项：

	AlternativeHypothesis	"Unequal"	替代假设的不等性
	Method	Automatic	计算值使用的方法
	SignificanceLevel	0.05	诊断和报告的截止值
	VerifyTestAssumptions	Automatic	要验证的假设

对于独立测试，选择的截止值满足仅当时，被拒. 用于 "TestConclusion" 和 "ShortTestConclusion" 属性的值是由 SignificanceLevel 选项控制. 值还被用于正态的诊断检验. 默认情况下，被设为 0.05.
在 IndependenceTest 中的 VerifyTestAssumptions 的已命名设置包括：
"Normality" 验证所有数据是否为正态分布

范例

打开所有单元关闭所有单元

基本范例 (1)

检验两个向量是否独立：

范围 (7)

检验 (4)

检验两个向量是否独立：

当向量是独立的，值一般较大：

当向量是相关的，值一般较小：

为重复的属性提取，创建一个 HypothesisTestData 对象：

可提取的属性：

从 HypothesisTestData 对象中提取某些属性：

检验中的值和检验统计量：

同时提取任何数量的属性：

值、检验统计量和自由度：

报告 (3)

把检验结果制表：

检验结果的表格：

从检验表格中提取项以便自定义报表：

对值或检验统计制表：

表格中的值：

表格中的检验统计量：

选项 (12)

AlternativeHypothesis (2)

默认情况下，执行双边检验：

执行双边检验或替代的单边检验：

双边检验：

替代的两个单边检验：

Method (4)

默认情况下，使用渐近检验统计量分布计算值：

使用排列（Permutation）方法可获取值：

设置使用的排列数：

默认情况下，使用随机排列：

设置产生随机排列的种子：

SignificanceLevel (3)

设置诊断检验的显著级别：

默认情况下，使用 0.05. 信息显示 0.025，因为执行两个检验：

设置显著性级别可以改变自动选择哪个检验：

默认情况下，选择非参数检验：

显著性级别也可用于 "TestConclusion" 和 "ShortTestConclusion"：

VerifyTestAssumptions (3)

默认情况下，合适时检验正态性：

使用 All 或 None 按组控制诊断：

验证所有假设：

没有假设的检验：

可以独立控制诊断：

检验正态性：

显式设置诊断结果：

属性和关系 (7)

检验统计量等价于 Correlation：

在下，检验统计量渐近遵循 StudentTDistribution[n-2]：

对于非正态分布使用 SpearmanRankTest：

基于 Spearman 的的检验更好的维护检验的大小：

期望和观察的检验大小的表格：

IndependenceTest 可用于自动选择合适的检验：

使用 CorrelationTest 检验的特殊值：

当输入为 TimeSeries 时，皮尔森相关性检验只能用于数值：

当输入为 TemporalData 时，皮尔森相关性检验可用于所有数值：

检验暂态数据的分量：

直接使用数值：

巧妙范例 (1)

当零假设为真时，计算统计量：

给定特定的备择假设，检验统计量：

比较检验统计量的分布：

顶部