皮尔逊相关系数_如何理解皮尔逊相关系数和协方差

一、协方差（Covariance）

协方差是一个反映两个随机变量相关程度的指标，比如，一个人的身高和体重是否存在一些联系。公式如下：

如果结果为正值，则说明两者是正相关的，也就是说一个人身高越高体重越重。
如果结果为负值， 就说明两者是负相关。
如果为0，则两者之间没有关系，身高和体重之间没有关联。

二、皮尔逊相关系数（Pearson Correlation Coefficient）

Pearson相关系数是用协方差除以两个变量的标准差得到的，公式如下：

虽然协方差能反映两个随机变量的相关程度（协方差大于0的时候表示两者正相关，小于0的时候表示两者负相关），但是协方差值的大小并不能很好地度量两个随机变量的关联程度，例如，现在二维空间中分布着一些数据，我们想知道数据点坐标X轴和Y轴的相关程度，如果X与Y的相关程度较小但是数据分布的比较离散，这样会导致求出的协方差值较大，用这个值来度量相关程度是不合理的。

为了更好的度量两个随机变量的相关程度，引入了Pearson相关系数，其在协方差除以两个变量的标准差。pearson是一个介于-1和1之间的值，当两个变量的线性关系增强时，相关系数趋于1或-1；

当相关系数为0时，X和Y两变量无关系。
当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。
当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。

下图描述Pearson相关系数从-1到1的图像。