协方差的意义和计算公式
学过概率统计的孩子都知道,
统计里最基本的概念就是样本的均值,
方差,
或者
再加个标准差。首先我们给你一个含有
n
个样本的集合
,
依次给出这些概念的公式描述,
这些高中学过数学的孩子都应该知道吧,
一带而
过。
均值:
标准差:
方差:
很显然,
均值描述的是样本集合的中间点,
它告诉我们的信息是很有限的,
而标
准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。
以这两个集
合为例,
[0
,
8
,
12
,
20]
和
[8
,
9
,
11
,
12]
,两个集合的均值都是
10
,但显然
两个集合差别是很大的,计算两者的标准差,前者是
8.3
,后者是
1.8
,显然后
者较为集中,
故其标准差小一些,
标准差描述的就是这种“散布度”。
之所以除
以
n-1
而不是除以
n
,
是因为这样能使我们以较小的样本集更好的逼近总体的标
准差,即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。
为什么需要协方差?
上面几个统计量看似已经描述的差不多了,
但我们应该注意到,
标准差和方差一
般是用来描述一维数据的,
但现实生活我们常常遇到含有多维数据的数据集,
最
简单的大家上学时免不了要统计多个学科的考试成绩。
面对这样的数据集,
我们
当然可以按照每一维独立的计算其方差,
但是通常我们还想了解更多,
比如,
一
个男孩子的猥琐程度跟他受女孩子欢迎程度是否存在一些联系啊,嘿嘿
~
协方差
就是这样一种用来度量两个随机变量关系的统计量,我们可以仿照方差的定义:
来度量各个维度偏离其均值的程度,标准差可以这么来定义: