Pearson Correlation SQL Server

Question

我有两张桌子：

ID，YRMO，计数

1，2013年12月4

1，2014年1月6

1，2014年2月7

2，扬，2014,6

2，二月，2014,8

ID，YRMO，计数

1，2013年12月10日

1，2014年1月8日

1，2014年3月12

2，2014年1月6日

2，2014年2月，10

我想找到每组ID的皮尔森相关系数。大约有200多种不同的IDS。

Pearson相关性是两个变量X和Y之间的线性相关（依赖性）的度量，给出+1和-1之间的值

更多信息可以在这里找到：http://oreilly.com/catalog/transqlcook/chapter/ch08.html计算相关部分

Answer 1

计算Pearson相关系数;你需要首先计算qazxsw poi而不是qazxsw poi然后qazxsw poi如下所述

1.计算平均值

Mean

2.计算标准偏差

standard daviation

3.最后correlation coefficient

insert into tab2 (tab1_id, mean)
select ID, sum([counts]) / 
(select count(*) from tab1) as mean
from tab1
group by ID;

您发布的数据中的哪个结果

在这里看一个演示小提琴

update tab2
set stddev = (
select sqrt(
sum([counts] * [counts]) / 
(select count(*) from tab1)
- mean * mean
) stddev
from tab1
where tab1.ID = tab2.tab1_id
group by tab1.ID);

编辑：

精致一点。您可以使用以下功能获得PCC，但我得到的结果与您的完全相同，而是获得Pearson Correlation Coefficient的

select ID,
((sf.sum1 / (select count(*) from tab1)
- stats1.mean * stats2.mean
)
/ (stats1.stddev * stats2.stddev)) as PCC
from (
select r1.ID,
 sum(r1.[counts] * r2.[counts]) as sum1
from tab1 r1
join tab1 r2
on r1.ID = r2.ID
group by r1.ID
) sf
join tab2 stats1
on stats1.tab1_id = sf.ID
join tab2 stats2
on stats2.tab1_id = sf.ID

。

这可能是一个很好的切入点。您可以从此处进一步细化计算。

http://sqlfiddle.com/#!3/0da20/5

像这样调用函数

0.999996000000000

Answer 2

A Single-Pass Solution:

Pearson相关系数有两种，一种用于样本，一种用于整个种群。这些都很简单，单通，我相信，两者的正确公式：

ID = 1

正如我在评论中所指出的那样，您可以尝试使用TOP 100或更低的示例进行完全关联（对于所有情况，y = x）; TOP 200产生的相关性非常接近0.5; TOP 300，约0.33;如果你愿意，有一个地方（“+ 0”）可以添加一个偏移;扰流警报，它没有任何影响。确保将值设置为DECIMAL - 整数数学可以显着影响这些计算。