Math-02.相关性检验-00.系列规划

本页为 01.知识-02.Math 下 Math-02 相关性检验 子系列的索引与规划。前置建议：Math-00 数学分布、Math-01 显著性检验。

段末注释：相关分析（correlation analysis）研究同等地位变量间线性或单调关联的强度与方向；回归则侧重用一变量预测另一变量。

一、系列定位

维度	说明
前置	协方差、20.正态、27.t、01 总论
目标	系统梳理 Pearson / Spearman / Kendall 等系数定义、前提、显著性检验、解读
与存量	扩展相关分析、相关分析-相关系数
与 Math-01	相关显著性用 t/F；多变量相关矩阵需 20 多重比较

二、命名规范

1	Math-02.相关性检验-{篇号}.{标题}.md

篇号段	用途
00	系列规划（本文）
01	总论（相关 vs 回归、选型决策树）
02–09	单系数方法（Pearson、Spearman、Kendall…）
10–19	矩阵、偏相关、分类相关
20–29	特征选择、生信/ML 场景

三、篇目索引

篇号	文件名	状态	要点
00	`Math-02.相关性检验-00.系列规划.md`	本文	—
01	`Math-02.相关性检验-01.总论.md`	已发布	选型、解读、与回归分工
02	`Math-02.相关性检验-02.Pearson相关.md`	已发布	线性、正态连续
03	`Math-02.相关性检验-03.Spearman相关.md`	已发布	秩、单调
04	`Math-02.相关性检验-04.Kendall相关.md`	已发布	有序、小样本稳健
05	`Math-02.相关性检验-05.偏相关与相关矩阵.md`	已发布	偏相关、热图、FDR
10	`Math-02.相关性检验-10.分类变量相关.md`	已发布	Phi、Cramér’s V、点二列
20	`Math-02.相关性检验-20.特征选择中的相关.md`	已发布	Filter、共线性、FDR

四、单篇建议维度

系数定义与取值范围
数据前提（连续/有序/正态/线性）
显著性检验（$H_0: \rho=0$ 与参考分布）
适用场景（生信、酶学、ML 特征）
局限与误用（相关≠因果、离群点）
scipy.stats 示例

五、推荐阅读路线

Math-00.数学分布-01.总论（协方差）
    → Math-02.相关性检验-01.总论
    → 02 Pearson / 03 Spearman / 04 Kendall（按数据类型选）
    → 05 偏相关与相关矩阵（多变量）
    → 10 分类变量相关 / 20 特征选择（应用层）
    → 相关分析（存量实践）

六、小结

Math-02 相关性检验 规划内专篇已全部完成（01–05 核心 + 10 分类 + 20 特征选择）。

段末注释：Pearson $r$ 度量线性相关；Spearman $\rho_s$ 与 Kendall $\tau$ 度量单调/排序相关。