文档帮助中心文档
典型相关
[A, B] = canoncorr (X, Y)
(A、B r) = canoncorr (X, Y)
[A, B, r, U, V] = canoncorr (X, Y)
[A, B, r, U, V,统计]= canoncorr (X, Y)
[一个,B) = canoncorr (X,Y)计算数据矩阵的样本正则系数X和Y.
[一个,B) = canoncorr (X,Y)
一个
B
X
Y
[一个,B,r) = canoncorr (X,Y)同样的回报r,样本正则相关向量。
[一个,B,r) = canoncorr (X,Y)
r
例子
[一个,B,r,U,V) = canoncorr (X,Y)同样的回报U和V的标准分数矩阵X和Y,分别。
[一个,B,r,U,V) = canoncorr (X,Y)
U
V
[一个,B,r,U,V,统计数据) = canoncorr (X,Y)同样的回报统计数据,这是一种结构,包含与测试其余相关性均为零的假设序列相关的信息。
[一个,B,r,U,V,统计数据) = canoncorr (X,Y)
统计数据
全部折叠
对样本数据集进行典型相关分析。
数据集carbig包含从1970年到1982年的406辆汽车的测量数据。
carbig
加载示例数据。
负载carbig;data =[排量马力重量加速度MPG];
将X定义为位移、马力和重量观测值的矩阵Y作为加速度和MPG观测值的矩阵。省略数据不足的行。
isnan = sum(isnan(data),2) > 0;X =数据(~ nan, 1:3);Y =数据(~ nan, 4:5);
计算样本典型相关。
[A, B, r, U, V] = canoncorr (X, Y);
查看一个确定构成的正则变量的位移、马力和重量的线性组合X.
一个=3×20.0025 0.0048 0.0202 0.0409 -0.0000 -0.0027
(3,1)是显示为-0.000因为它非常小。显示(3,1)分开。
(3,1)
-0.000
ans = -2.4737 e-05
的第一个正则变量X是u1 = 0.0025*耗散+ 0.0202*HP - 0.000025*Wgt.
u1 = 0.0025*耗散+ 0.0202*HP - 0.000025*Wgt
的第二个正则变量X是u2 = 0.0048*耗散+ 0.0409*HP - 0.0027*Wgt.
u2 = 0.0048*耗散+ 0.0409*HP - 0.0027*Wgt
查看B的输出,以确定组成正则变量的加速度和MPG的线性组合Y.
B =2×20.1666 -0.3637 -0.0916 0.1078
的第一个正则变量Y是v1 =- - - - - -* Accel - 0.0916 * 0.1666英里/加仑.
v1 =
- - - - - -
* Accel - 0.0916 * 0.1666英里/加仑
的第二个正则变量Y是v2 = -0.3637 *Accel + 0.1078*MPG.
v2 = -0.3637 *Accel + 0.1078*MPG
绘制的正则变量的得分X和Y反对对方。
t = tiledlayout (2, 2);标题(t)“X的标准分数vs Y的标准分数”)包含(t)' X的典型变量') ylabel (t)“Y的典型变量”) t.TileSpacing =“紧凑”;nexttile情节(U (: 1), V (: 1),“。”)包含(‘u1’) ylabel (“v1”) nexttile情节(U (:, 2), V (: 1),“。”)包含(“u2”) ylabel (“v1”) nexttile情节(U (: 1), V (:, 2),“。”)包含(‘u1’) ylabel (“v2”) nexttile情节(U (:, 2), V (:, 2),“。”)包含(“u2”) ylabel (“v2”)
正则变量对 { u 我 , v 我 } 由强到弱的相关性排列,所有其他对都是独立的。
返回变量的相关系数u1和v1.
u1
v1
r (1)
ans = 0.8782
输入矩阵,指定为n——- - - - - -d1矩阵。的行X对应观察值,列对应变量。
数据类型:单|双
单
双
输入矩阵,指定为n——- - - - - -d2矩阵X是一个n——- - - - - -d1矩阵。的行Y对应观察值,列对应变量。
中变量的样本正则系数X,返回为d1——- - - - - -d矩阵,d= min(排名(X),排名(Y)).
的jth列一个包含组成变量的线性组合j第Th正则变量X.
如果X还没有满秩,canoncorr给出警告并在行的中返回0一个对应于的相关列X.
canoncorr
中变量的样本正则系数Y,返回为d2——- - - - - -d矩阵,d= min(排名(X),排名(Y)).
的jth列B包含组成变量的线性组合j第Th正则变量Y.
如果Y还没有满秩,canoncorr给出警告并在行的中返回0B对应于的相关列Y.
典型相关性样本,返回为1-by-d向量,d= min(排名(X),排名(Y)).
的jth元素r相关性是什么jth的列U和V.
变量的标准分数X,返回为n——- - - - - -d矩阵,X是一个n——- - - - - -d1矩阵和d= min(排名(X),排名(Y)).
变量的标准分数Y,返回为n——- - - - - -d矩阵,Y是一个n——- - - - - -d2矩阵和d= min(排名(X),排名(Y)).
假设检验信息,作为结构返回。这个信息与。的顺序有关d零假设 H 0 ( k ) , (k + 1)圣d相关性都为零k= 1,…,d-1,d= min(排名(X),排名(Y)).
等领域的统计数据是1——- - - - - -d元素对应于的值的向量k.
威尔
威尔克斯的lambda(似然比)统计
df1
卡方统计量的自由度,分子的自由度F统计
df2
分母自由度F统计
F
饶是近似的F统计的 H 0 ( k )
pF
的右尾显著性水平F
chisq
巴特利特近似卡方统计量 H 0 ( k ) 域名的修改
pChisq
的右尾显著性水平chisq
统计数据有两个其他字段(教育部和p),它们等于df1和pChisq,并因历史原因而存在。
教育部
p
数据类型:结构体
结构体
数据矩阵的标准分数X和Y被定义为
U 我 = X 一个 我 V 我 = Y b 我
在哪里一个我和b我使皮尔逊相关系数最大化ρ(U我,V我)与之前所有的标准分数都不相关,所以U我和V我均值和单位方差都为零。
的正则系数X和Y是矩阵一个和B与列一个我和b我,分别。
的正则变量X和Y列向量的线性组合X和Y由中的正则系数给出一个和B分别。
典型相关就是值ρ(U我,V我)的每对正则变量的相关性X和Y.
canoncorr计算一个,B,r使用qr和圣言会.canoncorr计算U和V作为U = (X-mean (X)) *和V = (Y-mean (Y)) * B.
qr
圣言会
U = (X-mean (X)) *
V = (Y-mean (Y)) * B
w·J·克扎诺夫斯基多元分析原则:用户的视角.纽约:牛津大学出版社,1988。
g.a. F. Seber多变量的观察.John Wiley & Sons, Inc., 1984。
manova1|主成分分析
manova1
主成分分析
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系