Perbezaan antara kovarians dan korelasi

Kovarians dan Korelasi adalah dua konsep matematik yang biasa digunakan dalam statistik perniagaan. Kedua -duanya menentukan hubungan dan mengukur pergantungan antara dua pembolehubah rawak. Walaupun, beberapa persamaan antara kedua -dua istilah matematik ini, mereka berbeza antara satu sama lain. Korelasi adalah apabila perubahan dalam satu item boleh mengakibatkan perubahan dalam item lain.

Korelasi dianggap sebagai alat terbaik untuk mengukur dan menyatakan hubungan kuantitatif antara dua pembolehubah dalam formula. Sebaliknya, kovarians adalah ketika dua item berbeza -beza bersama. Baca artikel yang diberikan untuk mengetahui perbezaan antara kovarians dan korelasi.

Kandungan: kovarians vs korelasi

1. Carta Perbandingan
2. Definisi
3. Perbezaan utama
4. Persamaan
5. Kesimpulan

Carta Perbandingan

Definisi kovarians

Kovarians adalah istilah statistik, yang ditakrifkan sebagai hubungan sistematik antara sepasang pembolehubah rawak di mana perubahan dalam satu pembolehubah yang disumbangkan oleh perubahan bersamaan dalam pembolehubah lain.

Kovarians boleh mengambil sebarang nilai antara -∞ hingga +∞, di mana nilai negatif adalah penunjuk hubungan negatif manakala nilai positif mewakili hubungan positif. Selanjutnya, ia menentukan hubungan linear antara pembolehubah. Oleh itu, apabila nilai sifar, ia tidak menunjukkan hubungan. Di samping itu, apabila semua pemerhatian sama ada pembolehubah adalah sama, kovarians akan menjadi sifar.

Dalam kovarians, apabila kita menukar unit pemerhatian pada mana -mana atau kedua -dua pembolehubah, maka tidak ada perubahan dalam kekuatan hubungan antara dua pembolehubah tetapi nilai kovarians diubah.

Definisi korelasi

Korelasi digambarkan sebagai ukuran dalam statistik, yang menentukan sejauh mana dua atau lebih pembolehubah rawak bergerak seiring. Semasa kajian dua pembolehubah, jika telah diperhatikan bahawa pergerakan dalam satu pembolehubah, disumbangkan oleh pergerakan yang setara dengan pembolehubah lain, dalam beberapa cara atau yang lain, maka pembolehubah dikatakan berkorelasi.

Korelasi adalah dua jenis, i.e. korelasi positif atau korelasi negatif. Pembolehubah dikatakan positif atau berkorelasi secara langsung apabila kedua -dua pembolehubah bergerak ke arah yang sama. Sebaliknya, apabila kedua -dua pembolehubah bergerak ke arah yang bertentangan, korelasi adalah negatif atau songsang.

Nilai korelasi terletak di antara -1 hingga +1, di mana nilai dekat dengan +1 mewakili korelasi positif dan nilai positif yang hampir -1 adalah penunjuk korelasi negatif yang kuat. Terdapat empat langkah korelasi:

• Gambarajah penyebaran
• Koefisien korelasi-momen produk
• Koefisien korelasi pangkat
• Pekali penyimpangan serentak

Perbezaan utama antara kovarians dan korelasi

Perkara -perkara berikut diperhatikan setakat ini perbezaan antara kovarians dan korelasi berkenaan:

1. Ukuran yang digunakan untuk menunjukkan sejauh mana dua pembolehubah rawak berubah seiring dengan kovarians. Langkah yang digunakan untuk mewakili seberapa kuat dua pembolehubah rawak berkaitan dengan korelasi.
2. Kovarians hanyalah ukuran korelasi. Sebaliknya, korelasi merujuk kepada bentuk kovarians berskala.
3. Nilai korelasi berlaku antara -1 dan +1. Sebaliknya, nilai kovarians terletak di antara -∞ dan +∞.
4. Kovarians dipengaruhi oleh perubahan skala, i.e. Jika semua nilai satu pemboleh ubah didarabkan dengan pemalar dan semua nilai pembolehubah lain didarabkan, dengan pemalar yang sama atau berbeza, maka kovarians diubah. Sebaliknya, korelasi tidak dipengaruhi oleh perubahan skala.
5. Korelasi tidak berdimensi, i.e. ia adalah ukuran bebas unit hubungan antara pembolehubah. Tidak seperti kovarians, di mana nilai diperolehi oleh produk unit dua pembolehubah.

Persamaan

Kedua -dua langkah hanya hubungan linear antara dua pembolehubah, i.e. Apabila pekali korelasi adalah sifar, kovarians juga sifar. Selanjutnya, kedua -dua langkah itu tidak terjejas oleh perubahan lokasi.

Kesimpulan

Korelasi adalah kes khas kovarians yang boleh diperolehi apabila data diseragamkan. Sekarang, apabila membuat pilihan, yang merupakan ukuran yang lebih baik dari hubungan antara dua pembolehubah, korelasi lebih disukai daripada kovarians, kerana ia tetap tidak terjejas oleh perubahan lokasi dan skala, dan juga boleh digunakan untuk membuat perbandingan antara Dua pasang pembolehubah.