基础数学公式

一、方差的计算公式：

$\text{Var}(X)=\frac{1}{n}{\sum }_{i=1}^n(x_i-\mu {)}^2$

其中，$\mu$ 是样本的平均数，$x_i$ 是第 $i$ 个样本值，$n$ 是样本总数。

该公式简单来说就是将每个样本值与样本的平均数的差的平方值加起来，然后除以样本总数，就得到了方差。

二、如何衡量两个变量的关系

一种常用的方法是使用相关系数来衡量两个变量之间的关系。相关系数是一种统计指标，用来度量两个变量之间的相关性。它是一个介于-1和1之间的数值，其中-1表示完全负相关，1表示完全正相关，0表示没有相关性。例如，如果两个变量之间有线性关系，那么它们之间的相关系数将接近1或-1。

三、什么是数学期望

数学期望（又称期望值）是指随机变量或一组数据的预期值，它是将所有可能发生的情况的概率与该情况所对应的值相乘，然后将这些乘积值相加得到的结果。例如，如果一个随机变量X有两个可能的值，分别是2和4，并且它们的概率都是0.5，那么数学期望就是（2 * 0.5）+ (4 * 0.5) = 3。数学期望通常记作E（X）或μ。

四、协方差的计算公式：

协方差是一种统计量，用来衡量两个变量之间的相关性。它可以帮助我们了解两个变量的变化是否同步进行，以及它们变化的方向是否一致。协方差是一个数值，它的值越大，两个变量的相关性就越强。如果两个变量的变化方向相反，那么它们之间的协方差就是负数。
$$\text{cov}(X,Y)=\frac{1}{n-1}\sum _{i=1}^n(x_i-\bar{x})(y_i-\bar{y})$$

其中 $X$ 和 $Y$ 是两个随机变量，$x_i$ 和 $y_i$ 分别表示 $X$ 和 $Y$ 的第 $i$ 个样本值，$\bar{x}$ 和 $\bar{y}$ 分别表示 $X$ 和 $Y$ 的平均值。

这个公式的意思是，先将 $X$ 和 $Y$ 的每个样本值分别减去它们的平均值，然后计算它们的乘积的平均值。这个平均值就是两个随机变量 $X$ 和 $Y$ 的协方差。

五、什么是Pearson相关系数

Pearson相关系数（也称作皮尔逊相关系数）是一种常用的用于衡量两个变量之间线性相关程度的统计量。它的值介于-1和1之间，越接近1表示两个变量之间的相关程度越大，越接近-1表示两个变量的相关程度越小，而值为0则表示两个变量之间没有线性相关性。

$$Pearson相关系数=Cov(X,Y)/(s_x\ast s_y)$$

其中，$Cov(X,Y)$ 表示 X 和 Y 两个变量的协方差，$s_x$ 和 $s_y$ 分别表示 X 和 Y 两个变量的标准差。

Pearson相关系数可以被认为是对协方差的归一化操作。协方差与标准差有关，但它本身不是一个标准化的量。通过将协方差除以两个变量的标准差来计算 Pearson 相关系数，我们可以得到一个介于 -1 和 1 之间的结果，这个值反映了两个变量之间的线性相关程度。正值表示两个变量呈正相关，即两个变量随着时间的推移而同时变化；负值表示两个变量呈负相关，即两个变量随着时间的推移而相反变化；0 表示两个变量之间没有线性相关性。

参考文献：

• https://chat.openai.com/chat