总体
相关系数可以通过协方差来表示。给定两个随机变量 X X X 和 Y Y Y,它们的相关系数 r X Y r_{XY} rXY 可以通过它们的协方差和各自的方差来计算。具体表达式如下:
r X Y = Cov ( X , Y ) σ X σ Y r_{XY} = \frac{\text{Cov}(X, Y)}{\sigma_X \sigma_Y} rXY=σXσYCov(X,Y)
其中:
- Cov ( X , Y ) \text{Cov}(X, Y) Cov(X,Y) 表示 X X X 和 Y Y Y 的协方差,
- σ X \sigma_X σX 和 σ Y \sigma_Y σY 分别表示 X X X 和 Y Y Y 的标准差。
协方差 Cov ( X , Y ) \text{Cov}(X, Y) Cov(X,Y) 的定义为:
Cov ( X , Y ) = E [ ( X − μ X ) ( Y − μ Y ) ] \text{Cov}(X, Y) = E[(X - \mu_X)(Y - \mu_Y)] Cov(X,Y)=E[(X−μX)(Y−μY)]
其中 μ X \mu_X μX 和 μ Y \mu_Y μY 分别是 X X X 和 Y Y Y 的期望值(均值), E [ ⋅ ] E[\cdot] E[⋅] 表示期望运算。
标准差 σ X \sigma_X σX 和 σ Y \sigma_Y σY 可以分别表示为:
σ X = Var ( X ) = E [ ( X − μ X ) 2 ] \sigma_X = \sqrt{\text{Var}(X)} = \sqrt{E[(X - \mu_X)^2]} σX=Var(X)=E[(X−μX)2]
σ Y = Var ( Y ) = E [ ( Y − μ Y ) 2 ] \sigma_Y = \sqrt{\text{Var}(Y)} = \sqrt{E[(Y - \mu_Y)^2]} σY=Var(Y)=E[(Y−μY)2]
因此,相关系数 r X Y r_{XY} rXY 的完整表达式为:
r X Y = E [ ( X − μ X ) ( Y − μ Y ) ] E [ ( X − μ X ) 2 ] E [ ( Y − μ Y ) 2 ] r_{XY} = \frac{E[(X - \mu_X)(Y - \mu_Y)]}{\sqrt{E[(X - \mu_X)^2]} \sqrt{E[(Y - \mu_Y)^2]}} rXY=E[(X−μX)2]E[(Y−μY)2]E[(X−μX)(Y−μY)]
这个公式表明了相关系数是如何通过协方差和方差来计算的。
样本
相关系数(通常指的是皮尔逊相关系数)用于衡量两个变量之间的线性关系强度和方向。其数学表达式如下:
对于两个变量 X X X 和 Y Y Y,它们的相关系数 r r r 可以通过以下公式计算得出:
r X Y = ∑ i = 1 n ( X i − X ‾ ) ( Y i − Y ‾ ) ∑ i = 1 n ( X i − X ‾ ) 2 ∑ i = 1 n ( Y i − Y ‾ ) 2 r_{XY} = \frac{\sum_{i=1}^{n}(X_i - \overline{X})(Y_i - \overline{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \overline{X})^2}\sqrt{\sum_{i=1}^{n}(Y_i - \overline{Y})^2}} rXY=∑i=1n(Xi−X)2∑i=1n(Yi−Y)2∑i=1n(Xi−X)(Yi−Y)
其中:
- X i X_i Xi 和 Y i Y_i Yi 分别表示变量 X X X 和 Y Y Y 在第 i i i 个观测值上的值;
- X ‾ \overline{X} X 和 Y ‾ \overline{Y} Y 分别表示变量 X X X 和 Y Y Y 的样本均值;
- n n n 表示观测值的数量。
这个公式可以被简化为:
r
X
Y
=
∑
i
=
1
n
(
X
i
−
X
‾
)
(
Y
i
−
Y
‾
)
(
n
−
1
)
s
X
s
Y
r_{XY} = \frac{\sum_{i=1}^{n}(X_i - \overline{X})(Y_i - \overline{Y})}{(n-1) s_X s_Y}
rXY=(n−1)sXsY∑i=1n(Xi−X)(Yi−Y)
其中
s
X
s_X
sX 和
s
Y
s_Y
sY 分别是
X
X
X 和
Y
Y
Y 的样本标准差。
请注意,相关系数的取值范围是从 -1 到 +1。当 r r r 接近于 +1 时,表示两个变量之间存在强正相关;当 r r r 接近于 -1 时,表示两个变量之间存在强负相关;而当 r r r 接近于 0 时,则表示两个变量之间几乎不存在线性关系。