Soovitatav, 2022

Toimetaja Valik

Erinevus kovariandi ja korrelatsiooni vahel

Covariance ja korrelatsioon on kaks matemaatilist kontseptsiooni, mida ettevõtlusstatistikas tavaliselt kasutatakse. Mõlemad neist määravad suhte ja mõõdavad sõltuvust kahe juhusliku muutuja vahel. Vaatamata mõningatele sarnasustele nende kahe matemaatilise termini vahel on need teineteisest erinevad. Korrelatsioon on siis, kui ühe elemendi muutmine võib põhjustada teise kirje muutuse.

Korrelatsiooni peetakse parimaks vahendiks kahe muutuja kvantitatiivse suhte mõõtmiseks ja avaldamiseks valemis. Teisest küljest on kovariantsus siis, kui kaks elementi erinevad. Lugege antud artiklit, et teada saada erinevusi kovariandi ja korrelatsiooni vahel.

Võrdluskaart

Võrdluse alusCovarianceKorrelatsioon
TähendusCovariance on meede, mis näitab, mil määral kaks juhuslikku muutujat muutuvad tandemina.Korrelatsioon on statistiline meede, mis näitab, kui tugevalt on seotud kaks muutujat.
Mis see on?KorrelatsioonimeedeCovariance'i skaleeritud versioon
VäärtusedLie vahel -∞ ja + ∞ vahelLie vahemikus -1 ja +1
Skaala muutusMõjutab kovariantiEi mõjuta korrelatsiooni
Üksuse tasuta mõõtmineEiJah

Covariance'i määratlus

Covariance on statistiline termin, mis on defineeritud kui süstemaatiline suhe juhuslike muutujate paari vahel, kus ühe muutuja muutus on samaväärne teise muutuja muutusega.

Covariance võib võtta väärtusi vahemikus -∞ kuni + ∞, kusjuures negatiivne väärtus on negatiivse suhte näitaja, positiivne väärtus on positiivne. Lisaks tuvastab see muutujate vahelise lineaarse suhte. Seega, kui väärtus on null, ei näita see mingit seost. Lisaks sellele, kui mõlema muutuja tähelepanekud on samad, on kovarianss null.

Covariance'is, kui me muudame vaatlusühikut mis tahes või mõlema muutujaga, ei muutu kahe muutuja vahelise suhte tugevus, kuid muutub kovariandi väärtus.

Korrelatsiooni määratlus

Korrelatsiooni kirjeldatakse kui statistilist mõõdet, mis määrab, mil määral kaks või enam juhuslikku muutujat liiguvad koos. Kahe muutuja uuringu ajal, kui on täheldatud, et liikumine ühes muutujaga on vastassuunas samaväärse liikumisega teise muutuja, mingil moel või teisel viisil, siis öeldakse, et muutujad on omavahel seotud.

Korrelatsioon on kahte tüüpi, st positiivne korrelatsioon või negatiivne korrelatsioon. Muutujad on positiivselt või otseselt korrelatsioonis, kui need kaks muutujat liiguvad samas suunas. Vastupidi, kui kaks muutujat liiguvad vastupidises suunas, on korrelatsioon negatiivne või pöördvõrdeline.

Korrelatsiooni väärtus jääb vahemikku -1 kuni +1, kus +1 lähedased väärtused esindavad tugevat positiivset korrelatsiooni ja -1 lähedased väärtused on tugeva negatiivse korrelatsiooni näitaja. On neli korrelatsioonimeedet:

  • Scatter diagramm
  • Toote-hetke korrelatsioonikoefitsient
  • Reitingu korrelatsioonikoefitsient
  • Samaaegsete kõrvalekallete koefitsient

Peamised erinevused kovariandi ja korrelatsiooni vahel

Järgmised punktid on märkimisväärsed seoses kovariandi ja korrelatsiooni erinevusega:

  1. Mõõtet, mida kasutatakse selleks, et näidata, mil määral kaks juhuslikku muutujat muutuvad tandemina, on tuntud kui kovariansid. Meede, mida kasutatakse, et näidata, kui tugevalt on seotud kaks juhuslikku muutujat, mida nimetatakse korrelatsiooniks.
  2. Covariance ei ole midagi muud kui korrelatsiooni mõõt. Vastupidi, korrelatsioon viitab kovariandi skaalale.
  3. Korrelatsiooni väärtus toimub -1 ja +1 vahel. Seevastu on kovariandi väärtus vahemikus -∞ ja + ∞.
  4. Covariance mõjutab skaala muutust, st kui kogu ühe muutuja väärtus korrutatakse konstantse väärtusega ja kogu teise muutuja väärtus korrutatakse sarnase või erineva konstantsusega, siis muutub kovarianss. Vastupidiselt sellele ei mõjuta skaala muutus korrelatsiooni.
  5. Korrelatsioon on dimensioonita, st see on muutujate vahelise suhte ühikuta mõõt. Erinevalt kovariandist, kus väärtus saadakse kahe muutuja ühikute tulemusel.

Sarnasused

Mõlemad mõõdavad ainult kahe muutuja vahelist lineaarset suhet, st kui korrelatsioonikoefitsient on null, on ka kovarians null. Lisaks ei mõjuta asukoha muutus neid kahte meedet.

Järeldus

Korrelatsioon on spetsiaalne kovariandi juhtum, mida on võimalik saada andmete standardiseerimisel. Nüüd, kui tegemist on valiku tegemisega, mis on kahe muutuja vahelise suhte parem mõõtmine, eelistatakse korrelatsiooni võrreldes kovariansiga, sest asukoha ja ulatuse muutus ei mõjuta seda ning seda saab kasutada ka võrdluseks. kaks muutujapaari.

Top