相关系数——总体与样本

总体

相关系数可以通过协方差来表示。给定两个随机变量 $X$ 和 $Y$，它们的相关系数 $r_{XY}$ 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：

$$r_{XY}=\frac{\text{Cov}(X,Y)}{{\sigma }_X{\sigma }_Y}$$

其中：

• $\text{Cov}(X,Y)$ 表示 $X$ 和 $Y$ 的协方差，
• ${\sigma }_X$ 和 ${\sigma }_Y$ 分别表示 $X$ 和 $Y$ 的标准差。

协方差 $\text{Cov}(X,Y)$ 的定义为：

$$\text{Cov}(X,Y)=E[(X-{\mu }_X)(Y-{\mu }_Y)]$$

其中 ${\mu }_X$ 和 ${\mu }_Y$ 分别是 $X$ 和 $Y$ 的期望值（均值），$E[\cdot ]$ 表示期望运算。

标准差 ${\sigma }_X$ 和 ${\sigma }_Y$ 可以分别表示为：

$${\sigma }_X=\sqrt{\text{Var}(X)}=\sqrt{E[(X-{\mu }_X{)}^2]}$$

$${\sigma }_Y=\sqrt{\text{Var}(Y)}=\sqrt{E[(Y-{\mu }_Y{)}^2]}$$

因此，相关系数 $r_{XY}$ 的完整表达式为：

$$r_{XY}=\frac{E[(X-{\mu }_X)(Y-{\mu }_Y)]}{\sqrt{E[(X-{\mu }_X{)}^2]}\sqrt{E[(Y-{\mu }_Y{)}^2]}}$$

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 $X$ 和 $Y$，它们的相关系数 $r$ 可以通过以下公式计算得出：

$$r_{XY}=\frac{{\sum }_{i=1}^n(X_i-\overline{X})(Y_i-\overline{Y})}{\sqrt{{\sum }_{i=1}^n(X_i-\overline{X}{)}^2}\sqrt{{\sum }_{i=1}^n(Y_i-\overline{Y}{)}^2}}$$

其中：

• $X_i$ 和 $Y_i$ 分别表示变量 $X$ 和 $Y$ 在第 $i$ 个观测值上的值；
• $\overline{X}$ 和 $\overline{Y}$ 分别表示变量 $X$ 和 $Y$ 的样本均值；
• $n$ 表示观测值的数量。

这个公式可以被简化为：
$$r_{XY}=\frac{{\sum }_{i=1}^n(X_i-\overline{X})(Y_i-\overline{Y})}{(n-1)s_X{s}_Y}$$
其中 $s_X$ 和 $s_Y$ 分别是 $X$ 和 $Y$ 的样本标准差。

请注意，相关系数的取值范围是从 -1 到 +1。当 $r$ 接近于 +1 时，表示两个变量之间存在强正相关；当 $r$ 接近于 -1 时，表示两个变量之间存在强负相关；而当 $r$ 接近于 0 时，则表示两个变量之间几乎不存在线性关系。