方差反映的是 一维数据的离散程度。
样本方差反映的是样本的变异程度。
协方差反映的是两组数据之间变化的方向和程度。
在对一维数据进行离散性分析时,我们可以使用方差来进行描述。当数据扩展到多维时,我们可以分别对其不同方向求取其方差值。
但当我们想要了解两个维度之间的关系时,比如身高和体重之间的关系时,就需要使用协方差了。
协方差(Covariance)
度量各个维度偏离其均值的程度。协方差的值如果为正值,则说明两者是正相关的(从协方差可以引出“相关系数”的定义),结果为负值就说明负相关的,如果为0,也是就是统计上说的“相互独立”。
公式解释:
如果有X,Y两个变量。先求x与x均值的差,y与y均值的差,
再求两个差的乘积(这一步是协方差公式的核心,通过正负号判断两个变量的变化方向),
最后求样本空间的期望(消除偶然误差)。
相关系数(Correlation coefficient)
公式解释:
如果有X,Y两个变量。先求出X,Y的协方差。
再求出