当前位置：文档库 › 相关系数的计算方法

相关系数的计算方法

传热系数计算方法

第四章循环流化床锅炉炉内传热计算循环流化床锅炉炉膛中的传热是一个复杂的过程，传热系数的计算精度直接影响了受热面设计时的布置数量，从而影响锅炉的实际出力、蒸汽参数和燃烧温度。正确计算燃烧室受热面传热系数是循环流化床锅炉设计的关键之一，也是区别于煤粉炉的重要方面。随着循环流化床燃烧技术的日益成熟，有关循环流化床锅炉的炉膛传热计算思想和方法的研究也在迅速发展。许多著名的循环流化床制造公司和研究部门在此方面也做了大量的工作，有的已经形成商业化产品使用的设计导则。但由于技术保密的原因，目前国内外还没有公开的可以用于工程使用的循环流化床锅炉炉膛传热计算方法，因此对它的研究具有重要的学术价值和实践意义。清华大学对CFB锅炉炉膛传热作了深入的研究，长江动力公司、华中理工大学、浙江大学等单位也对CFB锅炉炉膛中的传热过程进行了有益的探索。根据已公开发表的文献报导，考虑工程上的方便和可行，本章根椐清华大学提出的方法，进一步分析整理，作为我们研究的基础。为了了解CFB锅炉传热计算发展过程，也参看了巴苏的传热理论和计算方法，浙江大学和华中理工大学的传热计算与巴苏的相近似。 4.1 清华的传热理论及计算方法 4.1.1 循环流化床传热分析 CFB锅炉与煤粉锅炉的显著不同是CFB锅炉中的物料(包括煤灰、脱硫添加剂等)浓度C p 大大高于煤粉炉，而且炉内各处的浓度也不一样，它对炉内传热起着重要作用。为此首先需要计算出炉膛出口处的物料浓度C p，此处浓度可由外循环倍率求出。而炉膛不同高度的物料浓度则由内循环流率决定，它沿炉膛高度是逐渐变化的，底部高、上部低。近壁区贴壁下降流的温度比中心区温度低的趋势，使边壁下降流减少了辐射换热系数；水平截面方向上的横向搅混形成良好的近壁区物料与中心区物料的质交换，同时近壁区与中心区的对流和辐射的热交换使截面方向的温度趋于一致，综合作用的结果近壁区物料向壁面的辐射加强，总辐射换热系数明显提高。在计算水冷壁、双面水冷壁、屏式过热器和屏式再热器时需采用不同的计算式。物料浓度C p对辐射传热和对流传热都有显著影响。燃烧室的平均温度是床对受热面换热系数的另一个重要影响因素。床温的升高增加了烟气辐射换热并提高烟气的导热系数。虽然粒径的减小会提高颗粒对受热面的对流换热系数，在循环流化床锅炉条件下，燃烧室内部的物料颗粒粒径变化较小，在较小范围内的粒径变化时换热系数的变化不大，在进行满负荷传热计算时可以忽略，但在低负荷传热计算时，应该考虑小的颗粒有提高传热系数的能力。炉内受热面的结构尺寸，如鳍片的净宽度、厚度等，对平均换热系数的影响也是非常明显的。鳍片宽度对物料颗粒的团聚产生影响；另一方面，宽度与扩展受热面的利用系数有关。根

如何用SPSS求相关系数

参见： [1] 衷克定数据统计分析与实践—SPSS for Windows[M].北京：高等教育出版社，2005.4：195— [2] 试验设计与SPSS应用[M].北京，化学工业出版社，王颉著，2006.10：141— 多元相关与偏相关如何用SPSS求相关系数 1 用列联分析中，计算lamabda相关系数，在分析——描述分析——列联分析 2 首先看两个变量是否是正态分布，如果是,则在analyze-correlate-bivariate中选择 pearson相关系数，否则要选spearman相关系数或Kendall相关系数。如果显著相关，输出结果会有*号显示，只要sig的P值大于0.05就是显著相关。如果是负值则是负相关。在SPSS软件相关分析中,pearson(皮尔逊), kendall（肯德尔）和spearman（斯伯曼/斯皮尔曼）三种相关分析方法有什么异同两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述. Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。对于服从Pearson相关系数的数据亦可计算Spearman相关系数，但统计效能要低一些。Pearson相关系数的计算公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可。 Kendall's tau-b等级相关系数：用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况。对相关的有序变量进行非参数相关检验；取值范围在-1-1之间，此检验适合于正方形表格；计算积距pearson相关系数，连续性变量才可采用;计算Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据; 计算Kendall秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用spearman或kendall相关 Pearson 相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall 复选项等级相关计算分类变量间的秩相关，适用于合并等级资料 Spearman 复选项等级相关计算斯皮尔曼相关，适用于连续等级资料注： 1若非等间距测度的连续变量因为分布不明-可用等级相关/也可用Pearson 相关，对于完全等级离散变量必用等级相关 2当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时,宜用Spearman 或Kendall相关。 3 若不恰当用了Kendall 等级相关分析则可能得出相关系数偏小的结论。则若不恰当使用，可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。对一般情况默认数据服从正态分布的，故用Pearson分析方法。在SPSS里进入Correlate－》Bivariate，在变量下面Correlation Coefficients复选框组里有3个选项：

需用系数的计算

需用系数和功率因素的一些问题 PE=141KW KX=0.65,COSX=0.85 PJS=92KW SJS=108KVA LJS=163A 据cosφ＝0.85 得tgφ＝0.62 有功功率计算：Pjs＝Pe×kx＝141kW×0.65＝91.65kW 无功功率计算：Qjs＝Pjs×tgφ＝91.65kW×0.62＝56.82kVar 计算负荷：Sjs＝√Pjs2+ Qjs2=√91.652+56.822＝107.84kVA 计算电流：Ijs＝108kVA×1000/380V/1.73＝164A 其中tgφ、cosφ、KX又是如何得出来的？需用系数，包括同时系数的，由同时系数得的。同时系数只同时使用的设备同时间的概率，需用系数指计算电流的需用系数。需用系数除了得考虑同时系数（即考虑各种设备不会同时使用的系数），还需要考虑负荷系数（即各种设备部可能都达到额定值）。这样算下来的计算负荷就小于各种设备总负荷的相加值。 kx是需用系数，是由同时系数乘以负荷系数得来的。用来描述用电设备的真实负荷和设备额定负荷之间的长期关系。我们可以通过需用系数来计算计算负荷。这种方法就叫需用系数法，是三种常用的计算

负荷的方法之一，也是最常用和简单的方法。 kx可以查表得来，表中通过你对负荷性质的筛选可以找到你需要的kx值。比如是大范围办公照明还是电镀车间还是电解车间等等。。。表中除了有kx之外还有tgφ、cosφ都可以查。属于经验数据。当然。如果只求计算负荷的话，只要cosφ就好了。不需要用tgφ。从你给出的式子也可以看出这一点。 Sjs＝Pjs/cosφ 关于计算电流中的1.73是什么？根号3等于1.732。。。。它只取了小数点后两位。这样看就能把他们的单位换算看清楚些 108kVA×1000=108000 VA 108000va除以380V=....安由于这个是三项电，它的单项电流需要乘以根号3 ...乘以1.73＝164A 所以Ijs=164安1、cosφ、Kx是经验数据； 2、根号3=1.732. 计算电流，用这样的公式形式会更容易理解： Ijs=[（Pe/3）/220]*Kx/cosφ =[（141000/3）/220]*0.65/0.85 =163.3（A .

操作篇 09_等级相关系数的计算与检验

计算机辅助英语教学与研究（操作篇）浙江师范大学外语学院夏建新第9讲用Excel计算等级相关系数目次 9.1 等级相关的概念 (1) 9.2 适用条件与计算公式 (1) 9.3 操作练习 (1) 9.4 课堂练习 (3) 9.5 积差相关与等级相关比较 (4) 9.6 肯德尔和谐系数的计算 (5) 9.7 Task 9 (6)

9.1 等级相关的概念等级相关是指以等级次序排列或以等级次序表示的变量之间的相关。主要包括斯皮尔曼(Spearman)二列等级相关及肯德尔和谐系数(the Kandall Coefficient of Concordance)多列等级相关。 9.2 适用条件与计算公式 z当测量到的数据不是等距或等比数据，而是具有等级顺序的测量数据； z（或）得到的数据是等距或等比的测量数据，但其所来自的总体分布不是正态的; z（或）样本容量不一定大于50（或30）在无法满足积差相关系数的适用条件时，只要满足上述三个条件中的任何一个，都可以计算其等级相关系数。由于该系数并不要求总体是否呈正态分布，也不要求N>50（或N>30），所以应用范围较广。斯皮尔曼等级相关系数r R的计算公式为：在该式中，D = (Rx – Ry)，它表示对偶等级之差。 9.3 操作练习计算下表的相关系数。学号学习潜能自学能力 199901 71 7 199902 68 7 199903 84 2 199904 64 9 199905 76 5 199906 69 8 199907 90 3 199908 71 8

199909 66 10 199910 71 6 (注：自学能力是按能力高低从小往大的数字打的，即数值越小，说明自学能力越强) 步骤一：先用Excel中的“排序”工具对“学习潜能”进行等级赋值，操作步骤如下所示：数据→ 排序 → 主要关键字 → 学习潜能 → 递减 → 有标题行→ 确定结果如下：学号学习潜能自学能力 19990790 3 19990384 2 19990576 5 19990171 7 19990871 8 19991071 6 19990669 8 19990268 7 19990966 10 19990464 9 然后对“学习潜能”进行赋值，结果如下：序号学号学习潜能等级1 自学能力 1 19990790 1 3 2 19990384 2 2 3 19990576 3 5 5 19990171 5 7 4 19990871 5 8 6 19991071 5 6 7 19990669 7 8 8 19990268 8 7 9 19990966 9 10 10 19990464 10 9 说明：因4、5、6号三位学生的“学习潜能”分相等，其赋值取三者的平均等级5（计算方法为名次的总和除以同名次人数，即(4+5+6)/3=5）。步骤二：按步骤一中所述方法对“自学能力”进行排序和赋值（考虑到“自学能力”的数值越小，等级越高，排序时应该选“递增”）。结果如下：序号学号学习潜能等级1自学能力等级2 2 19990 3 8 4 2 2 1 1 199907 90 1 3 2 3 199905 76 3 5 3 6 199910 71 5 6 4 5 199901 71 5 7 5.5 8 199902 68 8 7 5.5 4 199908 71 5 8 7.5

线性相关系数的计算

Spss电脑实验－第六节(3)线性相关系数的计算 https://www.wendangku.net/doc/4b13887872.html,更新时间：2006-1-19 21:11:30 关注指数：7992 Ⅲ．线性相关系数的计算 1. 线性相关的概念如果各统计指标是定量数据，要了解它们间的关系密切程度，可用线性相关分析。例如：大家都知道的糖尿病病人，它靠胰岛素来治疗。现测量20 名糖尿病病人（以ID 来编号）血中的血糖值（y）、胰岛素值（x1）和生长激素值（x2）。我们即可分析 y、x1 和x2 间的两两/ 双变量间的线性关系。数据见下面的程序文件CorreRegre2.sps 的例*2。 2. 线性相关计算的所用命令用SPSS Analyze 菜单中的子菜单Correlate，其中的Bivariate 对话框即可计算两两/ 双变量间的线性相关系数r 及其显著性。这是通常最常见、最常用的情况。本例所用程序文件名为CorreRegre2.sps 中的例*2。（例*2 中还有用于偏相关系数与距离相关系数的计算命令，详后）。 ---------------------------------------------------------------- *2. Prof. Zhang Weng-Tong: SPSS 11, P.273-277:. DATA LIST FREE /ID y x1 x2. BEGIN DATA. 1 12.21 15.20 9.51 2 14.54 16.70 11.43 3 12.27 11.90 7.53 4 12.04 14.00 12.17 5 7.88 19.80 2.33 6 11.10 16.20 13.52 7 10.43 17.00 10.07 8 13.32 10.30 18.89 9 19.59 5.90 13.14 10 9.05 18.70 9.63 11 6.44 25.10 5.10 12 9.49 16.40 4.53 13 10.16 22.00 2.16 14 8.38 23.10 4.26 15 8.49 23.20 3.42 16 7.71 25.00 7.34 17 11.38 16.80 12.75 18 10.82 11.20 10.88 19 12.49 13.70 11.06 20 9.21 24.40 9.16 END DATA. CORRELATIONS /VARIABLES=y x1 x2 /PRINT=TWOTAIL NOSIG. NONPAR CORR /VARIABLES=y x1 x2 /PRINT=SPEARMAN TWOTAIL NOSIG.

β系数的计算方法

β系数得计算方法一、公式法运用公式法计算行业β系数得具体步骤如: １。计算市场整体收益率。计算公式为: 式中：R 为第t期得市场整体收益率；为沪深30０指数第溯期末得收盘数；为沪深３oo指数第t—1期期末得收盘数。。 2.计算各参照上市公司收益率.计算公式为：式中：为参照上市公司第t期得收益率；为参照上市公司第溯期末得股票收盘价；为参照上市公司第t—Ｉ期期末得股票收盘价。 3．计算市场整体收益率与各参照上市公司收益率得协方差。我们可以利用ＥＸCEL中得协方差函数“COVＡR”来计算。４。计算市场整体收益率得方差。我们可利用EXCEL中得方差函数“VＡＫP"来计算。 5.计算各参照上市公司受资本结构影响得β系数。式中：BＬ为参照上市公司受资本结构影响得ｐ系数. ６．计算各参照上市公司消除资本结构影响得β系数。计算公式为: 式中:Bu为参照上市公司消除资本结构影响得β系数；T为参照上市公司得所得税税率；D为参照上市公司债务得市场价值；E为参照上市公司股权得市场价值。７。计算被评估企业所在行业受资本结构影响得B系数,即被评估企业所在行业得β系数。计算公式为: 式中：为被评估企业所在行业受资本结构影响得β系数；为被评估企业所在行业消除资本结构影响得β系数，为被评估企业所在行业得所得税税率，一般取２5％；e(D÷E)为被评估企业所在行业得债务股本比。二、线性回归法利用线性回归法计算行业β系数得具体步骤如下：１。计算市场整体收益率。同公式法 2.计算无风险报酬率.取各年度得一年定期存款利率作为无风险年报酬率,再将其转换为月报酬率。 3.计算市场风险溢价。市场风险溢价为“” . 4。计算各参照上市公司得收益率。同公式法。５.计算市场风险溢价与各参照上市公司收益率得协方差。参照公式法下市场整体收益率与各参照上市公司收益率得协方差得计算６．计算市场风险溢价得方差。参照公式法下市场整体收益率得方差计算。7.计算各参照上市公司受资本结构影响得β系数。同公式法. ８．计算各参照上市公司消除资本结构影响得β数。同公式法。９．计算被评估企业所在行业受资本结构影响得β系数，即被评估企业所在行业得β系数.同公式法。方法一、二摘自《财会月刊·全国优秀经济期刊》(长安大学经济与管理学院徐

常用相关分析方法及其计算

二、常用相关分析方法及其计算在教育与心理研究实践中，常用的相关分析方法有积差相关法、等级相关法、质量相关法，分述如下。（一）积差相关系数 1. 积差相关系数又称积矩相关系数，是英国统计学家皮尔逊（Pearson ）提出的一种计算相关系数的方法，故也称皮尔逊相关。这是一种求直线相关的基本方法。积差相关系数记作XY r ，其计算公式为 ∑∑∑===----= n i i n i i n i i i XY Y y X x Y y X x r 1 2 1 2 1 ) ()() )(( (2-20) 式中i x 、i y 、X 、Y 、n 的意义均同前所述。若记X x x i -=,Y y y i -=，则（2-20）式成为 Y X XY S nS xy r ∑= (2-21) 式中n xy ∑称为协方差，n xy ∑的绝对值大小直观地反映了两列变量的一致性程度。然而，由于X 变量与Y 变量具有不同测量单位，不能直接用它们的协方差 n xy ∑来表示两列变量的一致性，所以将各变量的离均差分别用各自的标准差除，使之成为没有实际单位的标准分数，然后再求其协方差。即： ∑∑?= = )()(1Y X Y X XY S y S x n S nS xy r

Y X Z Z n ∑?= 1 (2-22) 这样，两列具有不同测两单位的变量的一致性就可以测量计算。计算积差相关系数要求变量符合以下条件：（1）两列变量都是等距的或等比的测量数据；（2）两列变量所来自的总体必须是正态的或近似正态的对称单峰分布；（3）两列变量必须具备一一对应关系。 2. 积差相关系数的计算利用公式 (2-20)计算相关系数，应先求两列变量各自的平均数与标准差，再求离中差的乘积之和。在统计实践中，为方便使用数据库的数据格式，并利于计算机计算，一般会将(2-20)式改写为利用原始数据直接计算XY r 的公式。即： ∑∑∑∑∑∑∑---= 2 22 2 ) () (i i i i i i i i XY y y n x x n y x y x n r (2-23) （二）等级相关在教育与心理研究实践中，只要条件许可，人们都乐于使用积差相关系数来度量两列变量之间的相关程度，但有时我们得到的数据不能满足积差相关系数的计算条件，此时就应使用其他相关系数。等级相关也是一种相关分析方法。当测量得到的数据不是等距或等比数据，而是具有等级顺序的测量数据，或者得到的数据是等距或等比的测量数据，但其所来自的总体分布不是正态的，出现上述两种情况中的任何一种，都不能计算积差相关系数。这时要求两列变量或多列变量的相关，就要用等级相关的方法。 1. 斯皮尔曼(Spearman)等级相关斯皮尔曼等级相关系数用R r 表示，它适用于两列具有等级顺序的测量数据，或总体为非正态的等距、等比数据。

X射线机暴光参数计算法

X射线机曝光参数计算法基本参数确定一、以透照厚度为准：单壁单影=T；双壁单影或双壁双影=2T 1、≤10mm时，1mm相当于5KV； 2、10~20mm时，1mm相当于6.2KV； 3、21~30 mm时，1mm相当于9KV； 4、31~40 mm时，1mm相当于12KV；二、焦距焦距每增加或者减少100mm，电压增大或者减少10KV。三、时间 1分钟=25KV 三、X射线机曝光参数为（基数）：透照厚度T=8mm时，电压170KV，时间为1分钟。四、X射线机焦点到窗口的距离 XXQ 2005 120 mm XXQ 2505 150 mm XXQ 3005 170 mm 五、计算方法 1、当透照厚度增加或者减少1 mm时，电压变化按（一）中各变化范围执行； 2、当焦距每增加或者减少100mm时，压变化按（二）中执行； 3、时间每增加或者减少1分钟，电压增加或者减少25KV；例：计算φ219*14管焊口的曝光第一步：确定所用X射线机型号，XXQ 2505或者XXQ 3005型；第二步：计算焦距-----219+150=369 mm或者219+170=389 mm 第三步：确定焦距和电压变化量，我们一般以X射线机曝光正常基数为准，即600 mm；这里φ219*14的焦距为219+150=369 mm或者219+170=389 mm，比基数600 mm缩短231 mm或者211 mm，那么电压就应该减去23.1KV或者21.1KV。第四步：计算透照厚度变化时，电压变化量，我们基本厚度是8 mm，现在透照厚度是 14×2=28 mm。这样比基本厚度8 mm增加20mm，根据（一）中4参照，电压补偿量为： 20 mm×8KV=160KV。因为基数是170KV，故正常曝光参数为：170KV+160KV－23.1KV=306.9KV 或者170KV+160KV－21.1KV=308.9KV，时间1分钟。第五步：因为1分钟=25KV，在此基础上计算XXQ 2505或者XXQ 3005型的曝光参数： 1、XXQ 2505：用240KV拍片，其时间为（306.9 KV－240 KV）÷25KV/分钟=2.68 分钟；这里2.68分钟是在原来1分钟基础需要补偿的2.68分钟，故还应加上基础1分钟，即正常曝光时间为2.68分钟+1分钟≈4分钟

皮尔逊相关系数

简单相关系数又称皮尔逊相关系数，它描述了两个定距变量间联系的紧密程度。样本的简单相关系数一般用r表示，计算公式为：其中n 为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间，若r＞0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r＜0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。若r=0，表明两个变量间不是线性相关，但有可能是其他方式的相关（比如曲线方式）利用样本相关系数推断总体中两个变量是否相关，可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关的皮尔逊相关系数又称“皮尔逊积矩相关系数”，对两个定距变量（例如，年龄和身高）的关系强度的测量，简写τ。这一测量也可用作对显著性的一种检验，其方法是检验解消假设：总体中的τ值为0。若样本τ实际上不等于0，则解消假设可加否定，从而我们可以满意地看到，这两个变量不是无关的，在统计显著性层次上它们是有关的。例如，若我们有一个较大的样本，并发现一个高的样本值τ（例如，90），那么我们不妨否定这一解消假设：这个样本是来自一个其真正的τ值为0的总体，因为假若真正的总体值是0，我们就不可能单纯碰巧取得一个如此高的样本。τ的变化从-1（全负关系），通过0（无关系或无关性），到+1（全正关系）。从直线关系和曲线关系之间的关系来说，τ是对直线关系的一种测量。对τ有两个主要的解释：（1）τ2＝所解释的方差额。（2）τ测量围绕回归线散布的程度，也就是说，它告诉我们，我们用回归线可预测的准确程度有多大。 1、建立数据库 2、按analyze-----correlate------bivarizte顺序单击菜单项，展开一个对话框，在correlation coefficients中就有Pearson相关系数的选项简单相关系数又称皮尔逊相关系数，它描述了两个定距变量间联系的紧密程度。样本的简单相关系数一般用r表示，计算公式为：其中n 为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间，若r＞0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r＜0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。若r=0，表明两个变量间不是线性相关，但有可能是其他方式的相关（比如曲线方式）。利用样本相关系数推断总体中两个变量是否相关，可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关的。单尾检验及双尾检验的判断：假定鱼缸里只有2条金鱼,这时恰巧要检验雌雄,就用双尾检验,但若此时不检验,缓几天再检,当池子里的鱼有3或5条时检验,需用单尾检验法,方可检验完毕! 答案不错，终于明白了·就是说，两条金鱼的时候，他们是雌是雄都有可能，所以是不存在线性关系的，因此要用双尾检验；如果过几天有了小金鱼，说明这两条金鱼一

基尼系数及计算方法

基尼系数及计算方法居民收入分配的差异程度，是当前人们所普遍关心的一个问题。收入分配差异的合理与否，一方面可以反映按劳分配原则的实现情况；另一方面是保障居民生活和社会稳定的重要条件。衡量收入差异状况最重要、最常用的指标是基尼系数（即吉尼系数）。基尼系数（Gini coefficient）是20世纪初意大利经济学家基尼根据洛伦茨曲线提出的判断分配平等程度的指标（如下图），设实际收入分配曲线和收入分配绝对平等曲线之间的面积为A，实际收入分配曲线右下方的面积为B。并以A除以（A+B）的商表示不平等程度。这个数值被称为基尼系数或称洛伦茨系数。如果A为零，基尼系数为零，表示收入分配完全平等；如果B为零则系数为1，收入分配绝对不平等。该系数可在零和1之间取任何值。收入分配越是趋向平等，洛伦茨曲线的弧度越小，基尼系数也越小，反之，收入分配越是趋向不平等，洛伦茨曲线的弧度越大，那么基尼系数也越大。洛伦茨曲线图中,0M为45度线,在这条线上，每10%的人得到10%的收入，表明收入分配完全平等,称为绝对平等线。OPM表明收入分配极度不平等，全部收入集中在1个人手中，称为绝对不平等线。介于二线之间的实际收入分配曲线就是洛伦茨曲线。它表明:洛伦茨曲线与绝对平等线OM越接近，收入分配越平等；与绝对不平等线OPM越接近，收入分配越不平等。实际应用中的计算公式是：

公式中：是按收入分组后各组的人口数占总人口数的比重；是按收入分组后，各组人口所拥有的收入占收入总额的比重；是从i=1到i的累计数，如，=Y1+Y2+Y3….+Yi。

计算基尼系数，可以用收入分组数据计算，也可用分户数据计算。但要注意的是，无论分组还是分户计算，均应先对数据按收入从低到高排序，分组计算时，一般应使分组的组距相等。用分组数据计算的基尼系数要明显小于分户数据的计算值，特别是当分组的组数不多时，差距更大。用分户数据计算基尼系数时，采用的计算指标不同，也会出现不同的结果。一般有两种计算方法，一种方法是按户总收入排序，按户计算基尼系数，此时，为每户收入占总收入的比例，为调查户数的倒数；另一种计算方法是按每户家庭的人均收入排序，此时，为每户人口占全部人口的比例，为本户人均收入占人均收入之和的比例。这两种计算方法，结果是有差异的，按人均收入计算的基尼系数要大于按户收入计算的基尼数据。在用基尼系数时进行不同地区、不同时期的收入差距比较时，应注意计算方法的一致性，不同计算方法得出的基尼系数是没有可比性的。国际上通常用基尼系数来判定收入分配均等程度。基尼系数是界于0-1之间的数值，当基尼系数为0时，表示绝对平等；基尼系数越大，不均等程度越高；当基尼系数为1时，表示绝对不平等。市场经济国家衡量收入差距的一般标准为：基尼系数在0.2以下表示绝对平均；0.2-0.3之间表示比较平均；0.3-0.4之间表示较为合理；0.4-0.5之间表示差距较大； 0.5以上说明收入差距悬殊。例如：依据全国城市住户调查收入分组资料，计算出的基尼系数1978年为0.16，1988年为0.23，2000年为0.32，说明1978年我国城市居民个人收入差距不大，比较平均；1988年以后城市居民个人收入差距已经开始拉开，到2000年城市居民个人收入差距逐步拉大。用基尼系数分析居民收入的差异，是一种比较普遍的方法。其特点：一是方法本身具有科学性，基尼系数的计算是将社会经济现象数学化了的办法，能从整体上反映居民集团内部收入分配的差异程度。二是基尼系数反映收入分配的差异程度精确、灵敏，可以反映差异程度细微的和连续的变化。三是在经济工作中可以作为一个综合经济参数纳入国家的计划管理和宏观调控之中。四是基尼系数在国际上应用广泛，便于在实际工作加强横向联系比较，学习和借鉴外地区和国外的经验。推介一个简便易用的基尼系数计算公式近年来，我国经济生活中，在国民经济整体快速发展的同时，不同行业、不同地区、不同个人之间的社会收入分配差距明显拉大，引起了社会各界人士的广泛关注，基尼系数也随之成为当前我国经济生活中最流行的经济学语词之一。但是，对于如何计算基尼系数,目前国内经济学教科书鲜有介绍。就笔者手头所有的十几种经济学教科书来讲，绝大多数都只限于介绍定义，而没有具体计算公式。只有臧日宏编者《经济学》（中国农业大学出版社2002年7月第1版）和王健、修长柏主编《西方经济学》（中国农业大学出版社2004年10月第1版）这两种教科书给出了基尼系数的计算公式，但该公式推导过程相当复杂，理解记忆比较困难，实际计算烦琐。为此，笔者经反复思索，找到了一种简便易用的计算方法，并于笔者所著《经济学——入门与创新》（中国农业出版

齿轮各参数计算方法

齿轮各参数计算方法 1、齿数Z 闭式齿轮传动一般转速较高，为了提高传动的平稳性，减小冲击振动，以齿数多一些为好，小一些为好，小齿轮的齿数可取为z1=20~40。开式（半开式）齿轮传动，由于轮齿主要为磨损失效，为使齿轮不致过小，故小齿轮不亦选用过多的齿数，一般可取z1=17~20。为使齿轮免于根切，对于α=20度的标准支持圆柱齿轮，应取z1≥17 2、模数m 齿距与齿数的乘积等于分度圆的周长，即pz=πd。为使d为有理数的条件是 p/π为有理数，称之为模数。即：m=p/π 模数m是决定齿轮尺寸的一个基本参数。齿数相同的齿轮模数大，则其尺寸也大。

3、分度圆直径d 齿轮的轮齿尺寸均以此圆为基准而加以确定，d=mz 4、齿顶圆直径da和齿根圆直径df 由齿顶高、齿根高计算公式可以推出齿顶圆直径和齿根圆直径的计算公式： da=d+2ha df=d-2hf =mz+2m=mz-2×1.25m =m(z+2)=m(z-2.5) 5、分度圆直径d 在齿轮计算中必须规定一个圆作为尺寸计算的基准圆，定义：直径为模数乘以齿数的乘积的圆。实际在齿轮中并不存在，只是一个定义上的圆。其直径和半径分别用d和r表示，值只和模数和齿数的乘积有关，模数为端面模数。与变位系数无关。标准齿轮中为槽宽和齿厚相等的那个圆（不考虑齿侧间隙）就为分度圆。标准齿轮传动中和节圆重合。但若是变位齿轮中，分度圆上齿槽和齿厚将不再相等。若为变位齿轮传动中高变位齿轮传动分度圆仍和节圆重合。但角变位的齿轮传动将分度圆和节圆分离。 6、压力角αrb=rcosα=1/2mzcosα 在两齿轮节圆相切点P处，两齿廓曲线的公法线（即齿廓的受力方向）与两节圆的公切线（即P点处的瞬时运动方向）所夹的锐角称为压力角，也称啮合角。对单个齿轮即为齿形角。标准齿轮的压力角一般为20”。在某些场合也有采用α＝14.5°、15°、22.50°及25°等情况。

特性系数计算方法

选定系统中最不利工作作用面积，如（图3-4-1）选择最不利管径标号如图。（1）计算最不利喷头（喷头0）的喷水量：使用公式为： H K q 10= （3-38） q ——计算喷头喷水量，（L/min ） K —— 喷头流量系数，标准喷头K=80； H ——喷头工作压力，MPa ； s L L q /94.0min /4.5605.010800==??= （2）管道沿程和局部损失：设计流速：钢管流速一般不大于5m/s,配水干管一般不超过3m/s ，常用1~2m/s 。校核流速之按照下列公式就算： Q K v c = （3-39）式中 v ——流速（m/s ） c K ——计算管段流速系数（m/s ），可查表； Q ——计算管段流量（L/s ）表3－15 流速系数表（3）管道沿程水头损失按照下列公式计算： 2 A L Q h = （3-40）式中 h ——沿程水头损失，(O mH 2) A ——管道比阻，可查表； L ——计算管段长度，（m ） Q ——计算管段流量，（L/s ）

（4）计算1~0的扬程水头损失管段1~0的管径使用DN25，流速为 s m Q K v c /79.195.0883.11=?== 点“1”到点0的水头损失为： m P a O mH ALQ h 0168.0678.1033 .1)6.03(4367.022 0~~12 ==?+?== （5）计算喷头1的出水量：喷头1的工作压力为： m P a h H H 074.0014.006.00~~101=+=+= 1号喷头喷水量为： s L L H K q /07.1min /2.64074.010801011==??=?= 依次类推到喷头4 的节点（喷头）流量。（6）特性系数的推导图3－10 特性系数计算草使用沿程损失公式计算： 452 4~54~54~54~5H H Q L A h -=?= （1） e e e e e H H Q L A h -=?=62~6~6~6~6 （2）用（1）/（2）得： 4 5e 62 4 ~52~6H H H H Q Q e --= 4 5e 64 ~5~6H H H H Q Q e --=

SAS讲义第三十课Spearman等级相关分析

第三十课 Spearman 等级相关分析一、秩相关的Spearman 等级相关分析前面介绍了使用非参数方法比较总体的位置或刻度参数，我们同样也可以用非参数方法比较两总体之间相关问题。秩相关（rank correlation ）又称等级相关，它是一种分析i x 和i y 等级间是否相关的方法。适用于某些不能准确地测量指标值而只能以严重程度、名次先后、反映大小等定出的等级资料，也适用于某些不呈正态分布或难于判断分布的资料。设i R 和i Q 分别为i x 和i y 各自在变量X 和变量Y 中的秩，如果变量X 与变量Y 之间存在着正相关，那么X 与Y 应当是同时增加或减少，这种现象当然会反映在（i x ，i y ）相应的秩（i R ，i Q ）上。反之，若（i R ，i Q ）具有同步性，那么（i x ，i y ）的变化也具有同步性。因此 ∑∑==-==n i n i i i i Q R d d 1 1 22 )( (30.1) 具有较小的数值。如果变量X 与变量Y 之间存在着负相关，那么X 与Y 中一个增加时，另一个在减小，d 具有较大的数值。既然由（i x ，i y ）构成的样本相关系数反映了X 与Y 之间相关与否的信息，那么在参数相关系数的公式),(Y X r 中以i R 和i Q 分别代替i x 和i y ，不是同样地反映了这种信息吗？基于这种想法，Charles Spearman 秩相关系数),(Q R r s 应运而生： ∑∑∑∑∑∑∑---- = 2 2)1 ()1()1 )(1(),(i i i i i i i i s Q n Q R n R Q n Q R n R Q R r (30.2) ),(Q R r s 与),(Y X r 形式上完全一致，但在),(Q R r s 中的秩，不管X 与Y 取值如何，总是只取1到n 之间的数值，因此它不涉及X 与Y 总体其他的内在性质，例如秩相关不需要总体具有有限两阶矩的要求。由于 2 ) 1(211 1 += +++==∑∑==n n n Q R n i i n i i 6 ) 12)(1(212221 21 2++= +++==∑∑==n n n n Q R n i i n i i 因此公式(30.2)可以化简为

电机参数计算方法

我设定的自制马达规格如左：使用7.4V 1600mA锂电池，耗电在7A以内(马达功率约50W，电池放电系数约4.4C)，采用直驱或减速皆可。以上述条件，无刷马达应采用△接线铜损较小(因线电流=√3*相电流，故马达内线圈电流会较小，以相同的线径来说，铜损自然较小)。我是采用AWG #28号线(直径0.32mm)，每相每极绕21圈，采用△接线，使用7.4V 1600mA 锂电池。以直驱测试，其数据如下：螺旋桨测量转数(RPM) 测量电池电流(A) 测量马达线电流(A) 换算马达相电流(A) 计算功率(W) 4040 15000 6.2A 3.6A 2.1A 45W 5025 13000 7.4A 4.3A 2.5A 55W 以减速组测试(58/18=3.2)，其数据如下：螺旋桨测量螺旋桨转数(RPM) 换算马达转速(RPM) 测量电池电流(A) 计算功率(W) 7060 6250 20000 4.2A 31W 8060 5500 17600 6.2A 46W 9070 5000 16000 7.4A 55W 无刷马达/有碳刷马达效能计算扭力常数: Kt=Kb x 1.345 Kt=1345 / kv 消耗电流: I = [V-(Kb x kRPM)] / Rm I = [V-(RPM / kv)] / Rm 输出扭力: J = (Kt x I) - (Kt x Inl) 每分钟转速: kRPM = (V - RmI) / Kb kRPM = (V - RmI) x kv / 1000 输出功率: Po = (J x RPM) / 1345 消耗功率: Pi = V x I 马达效率: Eff = (Po / Pi) x 100 最高效率电流: Ie max = Sqrt [(V x Inl) / Rm] 符号定义: Eff = 效率 I = 消耗电流值 Iemax=发挥最高效率之电流量 Inl = 无负载量测电流值 J = 扭力(oz-in) Kb = 电压常数(Volt / 1000 RPM) Kt = 扭力常数(oz-In / A) Pi = 消耗功率(Watts) Po = 机械输出功率(Watts) Rm = 马达内阻 RPM = 每分钟转速 V = 电压