Różnica między kowariancją a korelacją

Kowariancja i Korelacja to dwie matematyczne koncepcje, które są dość powszechnie stosowane w statystyce biznesowej. Oba te czynniki określają związek i mierzą zależność między dwiema zmiennymi losowymi. Pomimo pewnych podobieństw między tymi dwoma terminami matematycznymi, różnią się one od siebie. Korelacja ma miejsce, gdy zmiana jednego elementu może spowodować zmianę innego elementu.

Korelacja jest uważana za najlepsze narzędzie do pomiaru i wyrażania ilościowej zależności między dwiema zmiennymi we wzorze. Z drugiej strony kowariancja występuje wtedy, gdy dwa elementy różnią się razem. Przeczytaj dany artykuł, aby poznać różnice między kowariancją a korelacją.

Treść: Korelacja kontra kowariancja

  1. Wykres porównania
  2. Definicja
  3. Kluczowe różnice
  4. Podobieństwa
  5. Wniosek

Wykres porównania

Podstawa do porównaniaKowariancjaKorelacja
ZnaczenieKowariancja jest miarą wskazującą stopień, w jakim dwie zmienne losowe zmieniają się w tandemie.Korelacja jest miarą statystyczną, która wskazuje, jak silnie powiązane są dwie zmienne.
Co to jest?Miara korelacjiSkalowana wersja kowariancji
WartościPołóż między -∞ i + ∞Połóż między -1 a +1
Zmiana skaliWpływa na kowariancjęNie wpływa na korelację
Miara bez jednostkiNietak

Definicja kowariancji

Kowariancja jest terminem statystycznym, zdefiniowanym jako systematyczny związek między parą zmiennych losowych, przy czym zmiana jednej zmiennej odwzajemnia się przez równoważną zmianę innej zmiennej.

Kowariancja może przyjmować dowolną wartość od -∞ do + ∞, przy czym wartość ujemna jest wskaźnikiem relacji ujemnej, podczas gdy wartość dodatnia reprezentuje zależność dodatnią. Ponadto określa liniową zależność między zmiennymi. Dlatego gdy wartość wynosi zero, oznacza to brak związku. Ponadto, gdy wszystkie obserwacje obu zmiennych są takie same, kowariancja wyniesie zero.

W kowariancji, kiedy zmieniamy jednostkę obserwacji dla jednej lub obu tych dwóch zmiennych, wówczas nie ma zmiany w sile zależności między dwiema zmiennymi, ale zmienia się wartość kowariancji.

Definicja korelacji

Korelacja jest opisywana jako miara w statystyce, która określa stopień, w jakim dwie lub więcej zmiennych losowych porusza się w tandemie. Podczas badania dwóch zmiennych, jeśli zaobserwowano, że ruch w jednej zmiennej jest odwzajemniany przez ruch równoważny innej zmiennej, w taki czy inny sposób, wówczas mówi się, że zmienne są skorelowane.

Korelacja jest dwojakiego rodzaju, tj. Korelacja dodatnia lub ujemna. Mówi się, że zmienne są dodatnio lub bezpośrednio skorelowane, gdy dwie zmienne poruszają się w tym samym kierunku. Przeciwnie, gdy dwie zmienne poruszają się w przeciwnym kierunku, korelacja jest ujemna lub odwrotna.

Wartość korelacji wynosi od -1 do +1, przy czym wartości bliskie +1 oznaczają silną korelację dodatnią, a wartości bliskie -1 są wskaźnikiem silnej korelacji ujemnej. Istnieją cztery miary korelacji:

  • Schemat rozproszenia
  • Współczynnik korelacji produktu z momentem
  • Współczynnik korelacji rang
  • Współczynnik współbieżnych odchyleń

Kluczowe różnice między kowariancją a korelacją

Godne uwagi są następujące kwestie dotyczące różnicy między kowariancją a korelacją:

  1. Miara użyta do wskazania stopnia, w jakim dwie zmienne losowe zmieniają się w tandemie, znana jest jako kowariancja. Miara użyta do przedstawienia, jak silnie powiązane są dwie zmienne losowe, zwana korelacją.
  2. Kowariancja jest niczym innym jak miarą korelacji. Przeciwnie, korelacja odnosi się do skalowanej formy kowariancji.
  3. Wartość korelacji zachodzi między -1 a +1. I odwrotnie, wartość kowariancji leży między -∞ i + ∞.
  4. Na zmianę kowariancji wpływa zmiana skali, tj. Jeśli cała wartość jednej zmiennej zostanie pomnożona przez stałą, a wszystkie wartości innej zmiennej zostaną pomnożone przez podobną lub inną stałą, wówczas kowariancja zostanie zmieniona. W przeciwieństwie do tego zmiana skali nie wpływa na korelację.
  5. Korelacja jest bezwymiarowa, tzn. Jest miarą zależności między zmiennymi bez jednostek. W przeciwieństwie do kowariancji, gdzie wartość jest uzyskiwana przez iloczyn jednostek dwóch zmiennych.

Podobieństwa

Oba mierzą tylko liniową zależność między dwiema zmiennymi, tj. Gdy współczynnik korelacji wynosi zero, kowariancja również wynosi zero. Ponadto zmiana położenia nie ma wpływu na te dwa środki.

Wniosek

Korelacja jest szczególnym przypadkiem kowariancji, który można uzyskać, gdy dane są znormalizowane. Teraz, jeśli chodzi o dokonanie wyboru, który jest lepszym miernikiem zależności między dwiema zmiennymi, korelacja jest lepsza niż kowariancja, ponieważ nie ma na nią wpływu zmiana lokalizacji i skali, i może być również wykorzystana do porównania między dwie pary zmiennych.