Atšķirība starp kovariāciju un korelāciju

Kovariācija un Korelācija ir divi matemātiski jēdzieni, kurus uzņēmējdarbības statistikā diezgan bieži izmanto. Abi šie divi nosaka attiecības un mēra atkarību starp diviem nejaušiem mainīgajiem. Neskatoties uz dažām līdzībām starp šiem diviem matemātiskajiem terminiem, tie atšķiras viens no otra. Korelācija ir tāda, kad izmaiņas vienā priekšmetā var izraisīt izmaiņas citā vienumā.

Korelācija tiek uzskatīta par labāko instrumentu divu mainīgo lielumu kvantitatīvās attiecības noteikšanai un izteikšanai formulā. No otras puses, kovariācija ir tad, ja divi elementi mainās kopā. Izlasiet doto rakstu, lai uzzinātu atšķirības starp kovariāciju un korelāciju.

Saturs: kovariācijas Vs korelācija

1. Salīdzināšanas tabula
2. Definīcija
3. Galvenās atšķirības
4. Līdzības
5. Secinājums

Salīdzināšanas tabula

Salīdzināšanas pamats	Kovariācija	Korelācija
Nozīme	Kovariācija ir mērs, kas norāda, cik lielā mērā divi izlases mainīgie mainās tandēmā.	Korelācija ir statistisks rādītājs, kas norāda, cik cieši ir saistīti divi mainīgie.
Kas tas ir?	Korelācijas mērs	Kovariācijas mēroga versija
Vērtības	Guļ starp -∞ un + ∞	Guļ starp -1 un +1
Mēroga izmaiņas	Ietekmē kovariāciju	Neietekmē korelāciju
Vienības bezmaksas pasākums	Nē	Jā

Kovariācijas definīcija

Kovariācija ir statistikas termins, kas definēts kā sistemātiskas attiecības starp nejaušu mainīgo pāri, kur izmaiņas vienā mainīgajā atkārtojas ar ekvivalentām izmaiņām citā mainīgajā..

Kovariācija var būt jebkura vērtība no -∞ līdz + ∞, kur negatīvā vērtība ir negatīvu attiecību indikators, savukārt pozitīva vērtība norāda pozitīvas attiecības. Turklāt tas noskaidro mainīgo lineāro sakarību. Tāpēc, kad vērtība ir nulle, tas norāda, ka nav saistību. Bez tam, ja visi novērojumi par abiem mainīgajiem ir vienādi, kovariācija būs nulle.

Kovariācijas gadījumā, kad mainām novērošanas vienību jebkuram vai abiem abiem mainīgajiem, tad sakarība starp diviem mainīgajiem nemainās, bet tiek mainīta kovariācijas vērtība.

Korelācijas definīcija

Korelācija statistikā tiek aprakstīta kā mērs, kas nosaka pakāpi, līdz kurai divi vai vairāki izlases mainīgie pārvietojas tandēmā. Divu mainīgo izpētes laikā, ja ir novērots, ka kustība vienā mainīgajā tiek mainīta ar ekvivalentu kustību citā mainīgajā, kaut kādā vai citā veidā, tad mainīgie tiek uzskatīti par korelētiem.

Korelācija ir divu veidu, t.i., pozitīva korelācija vai negatīva korelācija. Tiek teikts, ka mainīgie ir pozitīvi vai tieši korelēti, kad abi mainīgie virzās vienā virzienā. Tieši pretēji, kad abi mainīgie virzās pretējā virzienā, korelācija ir negatīva vai apgriezta.

Korelācijas vērtība ir no -1 līdz +1, kur vērtības, kas tuvu +1, norāda spēcīgu pozitīvu korelāciju, un vērtības, kas ir tuvu -1, ir spēcīgas negatīvas korelācijas indikators. Pastāv četri korelācijas mēri:

• Izkliedes diagramma
• Produkta momenta korelācijas koeficients
• Ranga korelācijas koeficients
• Vienlaicīgu noviržu koeficients

Galvenās atšķirības starp kovariāciju un korelāciju

Tālāk minētie punkti ir vērā ņemami attiecībā uz atšķirību starp kovariāciju un korelāciju:

1. Pasākumu, ko izmanto, lai norādītu, cik lielā mērā divi nejauši mainīgie mainās tandēmā, sauc par kovariāciju. Pasākums, ko izmanto, lai parādītu, cik cieši ir saistīti divi nejaušie mainīgie, ko sauc par korelāciju.
2. Kovariācija nav nekas cits kā korelācijas mērs. Tieši pretēji, korelācija attiecas uz kovariācijas mērogoto formu.
3. Korelācijas vērtība notiek no -1 līdz +1. Un otrādi, kovariācijas vērtība ir starp -∞ un + ∞.
4. Kovarianci ietekmē mēroga izmaiņas, t.i., ja visu viena mainīgā vērtību reizina ar konstanti un visas cita mainīgā lielumu reizina ar līdzīgu vai atšķirīgu konstantu, tad kovariācija tiek mainīta. Pretstatā tam korelāciju neietekmē mēroga izmaiņas.
5. Korelācija ir bezizmēra, t.i., tā ir lielums, kas bez lieluma nosaka attiecības starp mainīgajiem. Atšķirībā no kovariācijas, kur vērtību iegūst, reizinot abus mainīgos lielumus.

Līdzības

Abas mēra tikai lineāru attiecību starp diviem mainīgajiem, t.i., ja korelācijas koeficients ir nulle, kovariācija ir arī nulle. Vietas maiņa neietekmē šos divus pasākumus.

Secinājums

Korelācija ir īpašs kovariācijas gadījums, ko var iegūt, standartizējot datus. Tagad, kad jāizdara izvēle, kas ir labāks divu mainīgo lielumu attiecību mērs, priekšroka tiek dota korelācijai, nevis kovariācijai, jo to neietekmē vietas un mēroga izmaiņas, un to var arī izmantot, lai salīdzinātu divi mainīgo pāri.