Atšķirība starp kovariāciju un korelāciju

Kovariācija pret korelāciju

Kovariācija un korelācija ir divi jēdzieni varbūtības un statistikas jomā. Abi jēdzieni apraksta attiecības starp diviem mainīgajiem. Turklāt abi ir noteikta veida atkarības starp mainīgajiem lielumiem mērīšanas rīki.

“Kovariācija” tiek definēta kā “divu izlases veida mainīgo paredzamā vērtība no to paredzamām vērtībām”, savukārt “korelācija” ir “divu nejaušu mainīgo paredzamā vērtība”.
Lai vienkāršotu, kovariācija mēģina izpētīt un izmērīt, cik daudz mainīgo mainās kopā. Šajā koncepcijā abi mainīgie var mainīties vienādi, nenorādot uz saistību. Kovariācija ir korelācijas stipruma vai vājuma mērījums starp divām vai vairākām nejaušu mainīgo kopām, savukārt korelācija kalpo kā kovariācijas mērogota versija..

Gan kovariācijai, gan korelācijai ir atšķirīgi tipi. Kovarianci var klasificēt kā pozitīvu kovariāciju (divi mainīgie mēdz mainīties kopā) un negatīvu kovariāciju (viens mainīgais ir virs vai zem paredzamās vērtības, salīdzinot ar citu mainīgo). No otras puses, korelācijai ir trīs kategorijas: pozitīva, negatīva vai nulle. Pozitīvo korelāciju norāda ar plus zīmi, negatīvu korelāciju ar negatīvu zīmi un nekorelētu mainīgo lielumu - ar “0”.

Gan kovariācijai, gan korelācijai ir diapazoni. Korelācijas vērtības ir skalā no -1 līdz +1. Kovariācijas ziņā vērtības var pārsniegt korelācijas diapazonu vai būt ārpus tā. Turklāt korelācijas vērtības ir atkarīgas no “X” un “Y” mērvienībām.
Vēl viena ievērojama atšķirība ir tā, ka korelācija ir bezizmēra. Turpretī kovarianci apraksta vienībās, kas izveidotas, reizinot viena mainīgā lielumu ar citu ar citu mainīgā vienību. Kovariācija koncentrējas uz attiecībām starp diviem entītijiem, piemēram, mainīgajiem vai datu kopām. Turpretī korelācija var ietvert divus vai vairākus mainīgos lielumus vai datu kopas un attiecības starp tām.

Vēl viena ievērojama atšķirība starp abām ir tā, ka kovariācija bieži vien ir kopā ar dispersiju (viena no tās īpašībām, bet arī kopējais izkliedes vai izkliedes mērs), savukārt korelācija iet kopā ar atkarības un regresijas analīzi. “Atkarība” tiek definēta kā “jebkura saistība starp divām datu kopām vai nejaušiem mainīgajiem”, savukārt regresijas analīze ir metode, ko izmanto, lai izpētītu attiecības starp neatkarīgiem un atkarīgiem mainīgajiem. Citas korelācijas klasifikācijas ir daļējas un daudzkārtīgas korelācijas.

Kopsavilkums:

1.Kovariance un korelācija ir divi jēdzieni statistikas un varbūtības izpētē. Tās ir atšķirīgas definīcijās, bet ir cieši saistītas. Abi jēdzieni apraksta attiecības un mēra atkarības veidu starp diviem vai vairākiem mainīgiem lielumiem.
2.Kovariancija ir paredzamā variācijas vērtība starp diviem nejaušiem mainīgajiem no to sagaidāmajām vērtībām, kamēr korelācijai ir gandrīz tāda pati definīcija, bet tajā nav iekļautas variācijas.
3.Kovariants ir arī divu izlases veida mainīgo lielums, kas mainās kopā. Tikmēr korelācija ir saistīta ar savstarpējo atkarību vai asociāciju. Vienkārši izsakoties, korelācija ir tas, cik tālu vai cik tuvu divi mainīgie ir neatkarīgi viens no otra.
4.Kovariancija ir korelācijas mērs, savukārt korelācija ir kovariācijas mērogota versija.
5.Kovariancija var ietvert attiecības starp diviem mainīgajiem vai datu kopām, savukārt korelācija var ietvert arī attiecības starp vairākiem mainīgajiem.
6.Korelācijas vērtības svārstās no pozitīvas 1 līdz negatīvas 1. No otras puses, kovariācijas vērtības var pārsniegt šo skalu.
7. Gan korelācija, gan kovariācija izmanto pozitīvu vai negatīvu to veidu aprakstu. Kovariancei ir divi veidi - pozitīva kovariācija (ja divi mainīgie mainās kopā) un negatīva kovariācija (kur viens mainīgais ir lielāks vai zemāks par otru). Korelācijas ziņā pozitīvo un negatīvo korelāciju apvieno papildu kategorija “0” - nesaistīts tips.