korelacja, a kowariancja
korelacja, a kowariancja
Kowariancji używamy do obliczenia współczynnika korelacji liniowej Pearsona (w liczniku):
\(\displaystyle{ r_{XY}=\frac{\text{cov}(X,Y)}{s_X\cdot s_Y}}\).
Zauważmy, że \(\displaystyle{ \text{cov}(X,X)=\text{var}(X)}\). Tutaj przez \(\displaystyle{ \text{var}}\) oznaczyłem wariancję.
\(\displaystyle{ r_{XY}=\frac{\text{cov}(X,Y)}{s_X\cdot s_Y}}\).
Zauważmy, że \(\displaystyle{ \text{cov}(X,X)=\text{var}(X)}\). Tutaj przez \(\displaystyle{ \text{var}}\) oznaczyłem wariancję.
-
- Użytkownik
- Posty: 1406
- Rejestracja: 6 maja 2012, o 22:46
- Płeć: Mężczyzna
- Lokalizacja: Polska
- Podziękował: 107 razy
- Pomógł: 145 razy
korelacja, a kowariancja
\(\displaystyle{ corr(X_1, X_2) = E(X_1 \cdot X_2)\\
cov(X_1, X_2) = E(((X_1 - E(X_1)) \cdot (X_2 - E(X_2)))}\)
ale czym to dokładnie jest?
korealcja to liniowy związek zmiennych?
kowariancja to miara zmiany Y w zależności od X?
cov(X_1, X_2) = E(((X_1 - E(X_1)) \cdot (X_2 - E(X_2)))}\)
ale czym to dokładnie jest?
korealcja to liniowy związek zmiennych?
kowariancja to miara zmiany Y w zależności od X?
korelacja, a kowariancja
Kowariancja - OK. Korelacja - jak napisałem powyżej.
\(\displaystyle{ \text{corr}(X_1,X_2)=\frac{\text{cov}(X_1,X_2)}{DX_1\cdot DX_2}}\)
\(\displaystyle{ \text{corr}(X_1,X_2)=\frac{\text{cov}(X_1,X_2)}{DX_1\cdot DX_2}}\)
-
- Użytkownik
- Posty: 1406
- Rejestracja: 6 maja 2012, o 22:46
- Płeć: Mężczyzna
- Lokalizacja: Polska
- Podziękował: 107 razy
- Pomógł: 145 razy
korelacja, a kowariancja
to co napisałem w powyższym poście pokrywa się z treścią wykładów
to o czym Ty mówisz u mnie jest nazwane jako unormowany wsp. kowariancji lub współczynnik korelacji
to o czym Ty mówisz u mnie jest nazwane jako unormowany wsp. kowariancji lub współczynnik korelacji
korelacja, a kowariancja
Tak. W statystyce nazywa się współczynnikiem korelacji liniowej Pearsona. Przyjmuje wartości z przedziału \(\displaystyle{ [-1,1]}\). Jeśli wynosi dokładnie \(\displaystyle{ 1}\) bądź \(\displaystyle{ -1}\), to zawsze \(\displaystyle{ X_2}\) jest zależne liniowo od \(\displaystyle{ X_1}\): np. \(\displaystyle{ X_2=aX_1+b}\). Im współczynnik korelacji bliższy \(\displaystyle{ 1}\) (co do modułu), tym bardziej jedna zmienna zależy od drugiej. Im bliższy zeru - tym mniej. Zero - zmienne są niezależne.
-
- Użytkownik
- Posty: 1406
- Rejestracja: 6 maja 2012, o 22:46
- Płeć: Mężczyzna
- Lokalizacja: Polska
- Podziękował: 107 razy
- Pomógł: 145 razy
korelacja, a kowariancja
dzięki wielkie ^^
to teraz tylko takie sprawdzenie, czy dobrze zrozumiałem
korelacja określa liniowość (nie w sensie prostej, tylko 'rozrzut' zmiennych)
kowariancja określa czy ten rozrzut postępuje wg. jakiejś reguły
to teraz tylko takie sprawdzenie, czy dobrze zrozumiałem
korelacja określa liniowość (nie w sensie prostej, tylko 'rozrzut' zmiennych)
kowariancja określa czy ten rozrzut postępuje wg. jakiejś reguły
korelacja, a kowariancja
Z tą kowariancją musiałbym pomyśleć, a dzieciaki chałupę roznoszą. Korelacja - tak.