Kalkulator kowariancji

Dalej

Kowariancja pokazuje, jak dwie zmienne zmieniają się wspólnie. Kowariancja dodatnia oznacza, że zmienne mają tendencję do poruszania się w tym samym kierunku, ujemna – w przeciwnych, a zerowa oznacza brak zależności liniowej. W przeciwieństwie do korelacji kowariancja jest wyrażona w kwadracie jednostek pierwotnych, dlatego jej wielkość trudno zinterpretować bez kontekstu. Ten kalkulator zwraca zarówno kowariancję próbkową (dzielenie przez n−1), jak i kowariancję populacyjną (dzielenie przez n).

Jak obliczyć kowariancję

  1. 1

    Wklej dane X/Y w parach

    Po jednej wartości X i jednej Y w każdym wierszu, oddzielone przecinkiem, tabulatorem lub spacją. Taka sama liczba wartości w każdej kolumnie.

  2. 2

    Wyświetlane są obie wersje

    Kalkulator zawsze pokazuje obie: kowariancję próbkową (dzielenie przez n−1) i populacyjną (dzielenie przez n).

  3. 3

    Uruchom obliczenie

    Kalkulator oblicza średnie oraz iloczyny odchyleń, a następnie dzieli wynik przez n lub n−1.

  4. 4

    Odczytaj wynik

    Odczytaj obie wartości kowariancji. Wartość dodatnia oznacza, że zmienne zmieniają się razem, a ujemna, że poruszają się w przeciwnych kierunkach.

Wzory

Kowariancja próbkowa: cov(X, Y) = Σ((xᵢ - x̄)(yᵢ - ȳ)) / (n - 1)

Kowariancja populacyjna: cov(X, Y) = Σ((xᵢ - x̄)(yᵢ - ȳ)) / n

Dzielnik n - 1 (poprawka Bessela) sprawia, że kowariancja próbkowa jest nieobciążonym estymatorem kowariancji populacyjnej. Oprogramowanie statystyczne domyślnie używa wersji próbkowej.

Liczy się znak

Znak Znaczenie
Dodatni X i Y zwykle jednocześnie znajdują się powyżej lub poniżej swoich średnich
Ujemny Gdy X jest powyżej średniej, Y zwykle jest poniżej średniej
Zero Brak wzorca liniowego (zależność może być nieliniowa)

Wielkość zależy od jednostek: dla dorosłych cov(wzrost_cm, waga_kg) wynosi około +70, ale po zmianie wzrostu na metry spada do +0,7 – ta sama zależność, inna liczba. Dlatego częściej podaje się korelację.

Kowariancja a korelacja

korelacja = kowariancja / (σ_X × σ_Y)

Korelacja to wersja bezjednostkowa – zawsze mieści się w przedziale [-1, +1] i jest porównywalna między zbiorami danych. Kowariancja jest przydatna głównie wewnątrz wzorów (wariancja portfela, regresja, PCA), a nie jako statystyka podsumowująca.

Gdzie kowariancja jest używana bezpośrednio

  • Teoria portfela: wariancja portfela = Σ wᵢ wⱼ cov(rᵢ, rⱼ). Potrzebna jest kowariancja, a nie korelacja, ponieważ liczą się wagi i wariancje.
  • Regresja liniowa: oszacowanie nachylenia β = cov(X, Y) / var(X).
  • Analiza głównych składowych (PCA): diagonalizowana jest właśnie macierz kowariancji.
  • Przetwarzanie sygnałów: kowariancja krzyżowa mierzy podobieństwo sygnałów przy różnych opóźnieniach.

Najczęstsze błędy

  • Mylenie n i n−1: na małych zbiorach danych kowariancja próbkowa i populacyjna mogą różnić się o kilka procent i powodować problemy z powtarzalnością. Zdecyduj, której potrzebujesz, i podaj to wyraźnie.
  • Interpretacja wielkości: kowariancja równa 50 sama w sobie nie jest „duża”; zależy to całkowicie od jednostek i wariancji X oraz Y.
  • Utożsamianie zerowej kowariancji z niezależnością: zerowa kowariancja oznacza jedynie brak zależności liniowej. Dwie zmienne mogą mieć kowariancję 0 i nadal być w pełni przewidywalne w sposób nieliniowy (np. Y = X² dla symetrycznego X).

Najczęściej zadawane pytania

Próbkowej (dzielenie przez n−1), gdy dane są próbką z większej populacji – to typowy przypadek w badaniach. Populacyjnej (dzielenie przez n) tylko wtedy, gdy zbiór danych dosłownie zawiera wszystkie możliwe obserwacje. Jeśli nie masz pewności, domyślnie wybieraj próbkową.

Ponieważ kowariancja wyrażona jest w iloczynie dwóch jednostek. Jeśli X jest w złotych, a Y w sztukach, kowariancja ma jednostkę „złoty × sztuka”. Przelicz ją na korelację (dzielenie przez σ_X × σ_Y), jeśli chcesz uzyskać liczbę bezjednostkową.

Nie. |cov(X, Y)| ≤ σ_X × σ_Y (nierówność Cauchy’ego–Schwarza). Równość zachodzi tylko wtedy, gdy Y jest idealną funkcją liniową X. Jeśli kalkulator pokazuje większą kowariancję, oznacza to błąd.

Niekoniecznie. Zerowa kowariancja oznacza brak zależności liniowej. Funkcja Y = sin(X) na przedziale [0, 2π] ma kowariancję 0 z X, ale jest w pełni określona. Tylko dla zmiennych o łącznym rozkładzie normalnym zerowa kowariancja oznacza niezależność.

Powiązane narzędzia