协方差和相关系数是衡量变量间关系强度的统计指标。协方差描述了两个变量误差的关联程度，其正负表示变量变化趋势的一致性或相反性。相关系数是协方差标准化后的形式，取值范围在-1到1之间，更直观地表达了变量间的线性相关性程度。相关系数为1表示完全正相关，-1表示完全负相关，0表示不相关。
协方差与相关系数的区别和联系。
协方差：
- 公式：
C
o
v
(
X
,
Y
)
=
E
[
(
X
−
μ
x
)
(
Y
−
μ
y
)
]
Cov(X,Y) = E[(X-\mu_x)(Y-\mu_y)]
Cov(X,Y)=E[(X−μx)(Y−μy)]
协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
注：协方差大小，会受X,Y数据大小的影响，所以只能通过协方差的正负，来判断是正相关还是负相关，不能反映相关性的程度，所以相关系数就此诞生
相关系数：
- 公式：
ρ
=
C
o
v
(
X
,
Y
)
ρ
x
ρ
y
\rho = \frac{Cov(X,Y)} {\rho_x \rho_y}
ρ=ρxρyCov(X,Y)
公式翻译一下，就是XY的协方差除X的标准差和Y的标准差
所以，相关系数也可以看成协方差：一种剔除了两个变量量纲影响、标准化后的特殊协方差。是用来研究变量之间线性相关程度的量，取值范围是[-1,1]。
可参考
如何通俗易懂地解释「协方差」与「相关系数」的概念？
(https://www.zhihu.com/question/20852004)
扫一扫
676
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
