【发布时间】:2013-12-14 19:05:36
【问题描述】:
我有两组数据。它们都是交叉点的体积值。一组由浮动车收集,第二组由感应回路计数。 两者都有相同的趋势,但我只能用一个数字来证明。我需要再做一个分析。我认为,t 检验是不错的选择,但浮动车收集的体积值与感应回路计算的体积相比只有 2-3%。知道如何比较这两个数据集吗?
【问题讨论】:
标签: matlab statistics correlation
我有两组数据。它们都是交叉点的体积值。一组由浮动车收集,第二组由感应回路计数。 两者都有相同的趋势,但我只能用一个数字来证明。我需要再做一个分析。我认为,t 检验是不错的选择,但浮动车收集的体积值与感应回路计算的体积相比只有 2-3%。知道如何比较这两个数据集吗?
【问题讨论】:
标签: matlab statistics correlation
您的假设似乎是来自您的浮动汽车的数据和来自感应循环的计数是相关的。 MATLAB 有一个函数 corr 。较大的相关系数可能支持您的假设。相应的 p 值也被计算并作为第二个参数返回:
>> a = [100; 150; 120; 140];
>> b = [1.9; 3.2; 2.2; 3.1];
>> [rho, pval] = corr([a,b])
rho =
1.0000 0.9742
0.9742 1.0000
pval =
1.0000 0.0258
0.0258 1.0000
0.97 的相关系数非常强。要测试在给定数量的数据点下偶然发生这种情况的可能性有多大,您可以查看相应的 p 值。此示例中的 p 值 p=0.026 相当小,支持您的假设,即这些值是相关的。你可以找到detailed explanation here。
【讨论】:
rho = 1.000000000000000 0.670840082408877 <br/> 0.670840082408876 1.000000000000000 <br/> pval = <br/> 1.000000000000000 0.000000000000000 <br/> 0.000000000000000 1.000000000000000 pval(1,2) 在您的情况下产生什么?可能是您的 p 值比一个小许多数量级。另外,您有多少数据点?
pval(1,2)=0.0000000。正如我所提到的,一个数据集是第二个数据集的 2-3% 值。喜欢x(1,1)=17 和y(1,1)=480
xcorr 如果这是时间序列数据,您可能会感兴趣。