正交实验中相关系数和sig值有什么关系

看sig的值小于0.05,甚至是小于0.01,说明两者之间的确存在显著的相关,只不过相关值不大罢了,就这么说就好了再问：谢谢您的热心回答。可是我觉得如果说两者之间存在显著的相关，那相关系数应该很大啊为

直观分析只能得到不同因素影响的相对大小,不能体现因素影响的显著性水平.方差分析可以体现因素影响的显著性水平,如果你方差分析的所得到F值都比较小,小于对应的F0.9,在你计算正确的前提下说明有其他关键因

sig是显著性指标,一般大于0.05拒绝原假设,否则接受原假设,一般我们都是期望拒绝原假设,少数情况我们希望接受原假设,所以sig就是判断的依据.

F值就是正交助手里面的F比,正交助手里面还有一个F临界值.别搞混了啊.

一般来说,以0.05作为显著标准,也就是说这个sig并没有达到显著水平.但是还是得考虑你的使用环境.另外,增加被试数目等等方法常常能够有效的提高显著水平.

B.产品产量与单位成本C.商品价格与销售量E商品销售额与商品流通费用率再问：谢谢哈

前者是皮尔逊双侧检验的概率,所以选前者.具体选择单侧还是双侧,请参考以下标准：A.甲乙两个总体有差别时,甲高于乙或乙高于甲的可能性都存在,则选双侧检验B.在根据专业知识,只有一种可能性,则选单侧检验C

workfile中点开你需要观测的序列窗口,左上侧view-correlogram-OK,得到自相关和偏相关再问：这个图早就作好了，就是想问一下怎么做那个每一阶的自相关系数和偏自相关系数的表不用了。。

已知随机变量X~N（1,3^2）,N(0,4^2).且X和Y的相关系数ρxy=－1／2,设Z=X／3＋Y／2,求：（1）E(Z),D(Z),ρxz.（2）问X与Y是否相互独立?（1）由已知随机变量X~

选择“转换”—“计算变量”然后在计算表达式中输入PDF.T(a,b),目标变量随便取个名字就ok,运算结果存储在目标变量那儿.其中a代表T值,b代表T分布的自由度.

相关系数有多种.1.在一元线性回归中：y=ax+b（1）y,x之间的关系用一个简单的相关系数就可描述；2.在多元线性回归中,因变量y与n（>1)个自变量：x1,x2,...,xn,之间存在线性关系,即

F是组方差值,sig是差异性显著的检验值,该值一般与0.05或0.01比较,若小于0.05或者0.01则表示差异显著df是自由度一般的sig没有特别注明的都是指双侧检验,如果特别注明有单侧,那就是单侧

正交实验的数据处理使用的是方差分析法,其原假设是各组平均值之间无显著差异.在显著性水平取0.05的前提下,sig值（也就是统计学教科书的P值）大于0.05就表明不能否定原假设,也就是这个因素对结果没有

方差分析采用F检验的方法进行,结果中的F值表示的是采用F检验公式得到的一个具体数值,按照这个数值查表或其他方法得到相应的P值,即为SIg.所以在结果中一般不去看F值,而是去看sig.一般检验水准为0.

通常,两个变量之间若存在着一一对应关系,则称两者存在着函数关系,相关函数又分为自相关函数和互相关函数.当两个随机变量之间具有某种关系时,随着某一个变量数值的确定,另一变量却可能取许多不同的值,但取值有

0.737是二者的相关系数,0.544是相关系数的平方.在本例中的意思是说对于死于肺癌的结果,香烟的贡献率为0.544.

回归系数b乘以X和Y变量的标准差之比结果为相关系数r.即b*σx/σy=

不懂你什么意思,正交设计是为了有效快速经济的获得实验结果,因为按照传统的实验顺序,会有太多个实验,利用正交实验思想实验开始之前就根据条件,因素进行设计,最大限度的在不影响实验结果的前提下减少实验次数,

先列因素水平表：水平因素A因素B因素C因素D123再列正交结果表：实验序号因素A因素B因素C因素D结果111112122231333421235223162312731328321393321K112

p值大于0.05,所以接受原假设.再问：是说，我的假设正确，但是不用具有统计上的显著性是吗？再答：是说明在95%的显著性水平下不显著。再问：貌似大于0.05是拒绝假设吧？？再答：是的，大于0.05，是