日常学习之：如何理解协方差以及相关系数

暖仔会飞

于 2022-02-26 14:39:37 发布

阅读量255

点赞数

分类专栏：日常学习文章标签：学习概率论 python

本文链接：https://blog.csdn.net/qq_42902997/article/details/123149732

版权

100 篇文章 9 订阅

订阅专栏

本文介绍了如何利用Python计算两个随机事件（每天吃饭量与体重变化）之间的协方差和相关系数，以此来分析它们之间的相关性。通过NumPy和Pandas库，我们得到了0.9568的相关系数，表明这两个事件有很强的正相关性。协方差为0.19，标准差乘积相关系数也验证了这一结论。

摘要由CSDN通过智能技术生成

协方差和相关系数的应用场景

现在有一个随机事件 X：我每天吃饭；这个随机事件每天都是在发生比如说 $X_{1...n}$ 代表了在 n 天的过程中，我每天吃饭的事件 $X_1=0.5kg,X_2=0.6kg,X_3=0.7kg$ 所以我用 X = [0.5,0.6,0.7] 来表示上面这段描述
还有另外一个随机事件 Y：我的体重；对应的用 $Y_{1...n}$ 来表示 n 天过程中我的体重这个事件，因此 $Y = [65.3, 68.2, 69.1]$
然后我想知道这两个事件：我每天吃饭和我的体重之间的相关性；我们就要用协方差和相关性系数来表示

import numpy as np
import pandas as pd

# 我们用 python 来计算一下两个事件的相关性系数
X = np.array([0.5,0.6,0.7] )
Y = np.array([65.3,68.2,69.1])
X = pd.Series(X)
Y = pd.Series(Y)

X.corr(Y)

0.9568015187270429

# 计算两个事件的协方差
X.cov(Y)

0.1899999999999998

# 通过协方差除以各自标准差的乘积得到相关性系数
X.cov(Y) / (X.std() * Y.std())

0.9568015187270428

$Cov(X,Y)=\frac{1}{n-1}\sum_{i=1}^{n}{(X-\overline{X})(Y-\overline{Y})}$

$ρ_{X,Y}=\frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}$

关注