1) correlation coefficient matrix
相关系数矩阵
1.
According to this evaluation method,the evaluation index is turned into mutually independent principal components on the basis of linear transformation through the eigenvector of correlation coefficient matrix.
该评价方法通过相关系数矩阵的特征向量将评价指标线性变化成彼此独立的主成分,根据主成分累计贡献值确定主成分的取用维数,由主成分方差确定权重。
2.
Positive is the important hypotheses of many financial forecasting models,but the correlation coefficient matrix we get from actual samples are not always positive.
正定性是许多金融预测模型的重要假设前提,然而从实际样本中得到的相关系数矩阵并不能保证其正定性。
2) weak correlation coefficient matrix
弱相关系数矩阵
1.
The paper introduces the characteristics of the weak correlation coefficient matrix and makes attestation accordingly.
文章给出了弱相关系数矩阵的性质 ,并做了简明扼要的证
3) correlative coefficient matrix
相关系数因子矩阵
1.
Model2′ comprehensively consider reciprocity of the factors to redeem their influence on reliability index, by introducing correlative coefficient matrix.
模型 2′通过引入相关系数因子矩阵 ,综合考虑了因素间的相互作用对可靠指标的影响。
4) Partial Correlation Coefficient Matrix
偏相关系数矩阵算法
6) Similar relation of matrix
矩阵的相似关系
补充资料：Kendall等级相关系数
Kendall等级相关系数
ion Kendall coefficient of rank correla-
Kd山u等级相关系数「E曰吐山以吧伍d句t of.”血伪川如.d佣;Ke”皿姗a劝，帅胭“e，TP朋ro“0‘ICOPpe几.朋毗」 两个随机变量(特征)X和Y间相依关系的样本度量之一，基于样本元素(戈，Y.)，二，(Xn，玖)的等级评定.这样，众n山山等级相关系数属于秩统计量(mllksta比tic)并且定义为 25 f r.·…r_、 ”Ln一1)其中;，是在X秩为i的数偶(X，y)中Y的秩、S二ZN一”(。一l)/2，N是样本中]>i和r，>r‘同时成立的元素个数.总有一1簇t《1.M.R上以坛U广泛使用K淤nd目等级相关系数做相依性度量(见〔1」). Ken山山等级相关系数被用于检验随机变量独立的假设.如果独立性的假设成立，则云二0，DT“2(2n十5)/〔gn(”一l)1.当样本容量较小时(4蛋n镬10)，独立性假设的统计检验借助于专门的数表(见【31〕来进行.当衬>10时，利用:的分布的正态逼近二如果 ，·，>一擂离，则否定关于独立的假设，否则接受假设.这里，:是显著性水平，。司:是标准正态分布的100(:/2)百分位点.像任何秩统计量一样，KendaU等级相关系数可以用于揭示两个属性特征的相依性，只要样本的元素可以按这些特征评定等级，如果X和Y有联合正态分布且相关系数为p，则p与Kendal丈等级相关系数有如下关系: _2 七T=一atcsmP· 兀亦见S碑ar田叨等级相关系数(s户汾m曰n cocfficientof几mk eorlehaion);秩检验(mnk此0.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条