In statistics, the RV coefficientis a multivariate generalization of the squared Pearson correlation coefficient (because the RV coefficient takes values between 0 and 1). It measures the closeness of two set of points that may each be represented in a matrix. The major approaches within statistical multivariate data analysis can all be brought into a common framework in which the RV coefficient is maximised subject to relevant constraints. Specifically, these statistical methodologies include:
| Attributes | Values |
|---|
| rdfs:label
| - Coefficient RV (fr)
- RV coefficient (en)
|
| rdfs:comment
| - In statistics, the RV coefficientis a multivariate generalization of the squared Pearson correlation coefficient (because the RV coefficient takes values between 0 and 1). It measures the closeness of two set of points that may each be represented in a matrix. The major approaches within statistical multivariate data analysis can all be brought into a common framework in which the RV coefficient is maximised subject to relevant constraints. Specifically, these statistical methodologies include: (en)
- En statistique, le coefficient RV (pour rhô-vectoriel) est une généralisation multivariée du coefficient de corrélation de Pearson au carré (car le coefficient RV prend des valeurs comprises entre 0 et 1). Dans sa version population, il mesure le lien entre deux groupes de variables aléatoires en se basant sur la matrice de variance-covariance. Il peut être estimé via la matrice de covariance empirique calculée à partir d'un échantillon. (fr)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - En statistique, le coefficient RV (pour rhô-vectoriel) est une généralisation multivariée du coefficient de corrélation de Pearson au carré (car le coefficient RV prend des valeurs comprises entre 0 et 1). Dans sa version population, il mesure le lien entre deux groupes de variables aléatoires en se basant sur la matrice de variance-covariance. Il peut être estimé via la matrice de covariance empirique calculée à partir d'un échantillon. Les principales approches de l'analyse statistique multivariée des données peuvent toutes être intégrées dans un cadre commun dans lequel le coefficient RV est maximisé sous réserve de contraintes pertinentes. Plus précisément, ces méthodologies statistiques comprennent :
* l'analyse des composants principaux ;
* l'analyse de corrélation canonique ;
* la régression multivariée ;
* la classification statistique (discrimination linéaire). Un exemple d'application du coefficient RV est en neuroimagerie fonctionnelle où il peut mesurer la similitude entre les séries de scans cérébraux de deux sujets ou entre différents scans d'un même sujet. (fr)
- In statistics, the RV coefficientis a multivariate generalization of the squared Pearson correlation coefficient (because the RV coefficient takes values between 0 and 1). It measures the closeness of two set of points that may each be represented in a matrix. The major approaches within statistical multivariate data analysis can all be brought into a common framework in which the RV coefficient is maximised subject to relevant constraints. Specifically, these statistical methodologies include:
* principal component analysis
* canonical correlation analysis
* multivariate regression
* statistical classification (linear discrimination). One application of the RV coefficient is in functional neuroimaging where it can measure the similarity between two subjects' series of brain scansor between different scans of a same subject. (en)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)