Atšķirība starp kovariāciju un korelāciju

2019

Kovarācija un korelācija ir divas matemātiskas koncepcijas, kas parasti tiek izmantotas uzņēmējdarbības statistikā. Abas šīs divas nosaka attiecību un mēra atkarību starp diviem nejaušiem mainīgajiem. Neskatoties uz to, ka dažas no šīm divām matemātiskajām izteiksmēm ir līdzīgas, tās atšķiras. Korelācija ir tad, ja vienas vienības maiņa var izraisīt citas vienības maiņu.

Korelācija tiek uzskatīta par labāko instrumentu, lai mērītu un izteiktu kvantitatīvo attiecību starp diviem mainīgajiem lielumiem formulā. No otras puses, kovariācija ir tad, kad divi priekšmeti atšķiras. Izlasiet doto rakstu, lai uzzinātu atšķirības starp kovariāciju un korelāciju.

Salīdzinājuma diagramma

Salīdzinājuma pamats	Kovarsija	Korelācija
Nozīme	Kovarsija ir pasākums, kas norāda, cik lielā mērā divi izlases mainīgie mainās tandēmā.	Korelācija ir statistisks pasākums, kas norāda, cik stipri ir saistīti divi mainīgie.
Kas tas ir?	Korelācijas pasākums	Kovarsijas mērogotā versija
Vērtības	Lie starp -∞ un + ∞	Atrodieties no -1 līdz +1
Mēroga izmaiņas	Ietekmē kovariāciju	Neietekmē korelāciju
Vienības bezmaksas pasākums	Nē	Jā

Kovarsijas definīcija

Kovarsija ir statistisks termins, kas definēts kā sistemātiska saikne starp pāris nejaušiem mainīgajiem lielumiem, kur vienas mainīgā lieluma maiņa, kas mainās ar līdzvērtīgu izmaiņu citā mainīgā lielumā.

Kovarizācija var veikt jebkuru vērtību no -∞ līdz + ∞, kur negatīvā vērtība ir negatīvu attiecību rādītājs, bet pozitīva vērtība ir pozitīvās attiecības. Turklāt tā konstatē lineāro attiecību starp mainīgajiem lielumiem. Tāpēc, ja vērtība ir nulle, tā nenorāda uz attiecībām. Turklāt, ja visi viena vai otrā mainīgā novērojumi ir vienādi, kovariācija būs nulle.

Kovarsijā, kad mēs mainām novērošanas vienību uz jebkuru vai abiem mainīgajiem, tad izmaiņas starp diviem mainīgajiem lielumiem nav mainījušās, bet mainās kovariācijas vērtība.

Korelācijas definīcija

Korelācija ir aprakstīta kā pasākums statistikā, kas nosaka, cik lielā mērā divi vai vairāki nejaušie mainīgie mainās tandēmā. Divu mainīgo pētījumu laikā, ja ir konstatēts, ka kustība vienā mainīgajā lielumā ir savstarpēji mainīta ar citu mainīgo, kaut kādā veidā vai citādi, tad mainās, ka mainīgie ir savstarpēji saistīti.

Korelācija ir divu veidu, ti, pozitīva korelācija vai negatīva korelācija. Mainīgajiem lielumiem ir pozitīva vai tieša saistība, ja abi mainīgie mainās vienā virzienā. Gluži pretēji, ja abi mainīgie mainās pretējā virzienā, korelācija ir negatīva vai apgriezta.

Korelācijas vērtība ir no -1 līdz +1, kur vērtības, kas ir tuvu +1, ir spēcīga pozitīva korelācija un vērtības, kas ir tuvas -1, ir spēcīgas negatīvas korelācijas rādītājs. Ir četri korelācijas pasākumi:

Scatter diagramma
Produkta un momenta korelācijas koeficients
Ranga korelācijas koeficients
Vienlaicīgu noviržu koeficients

Galvenās atšķirības starp kovarāciju un korelāciju

Attiecībā uz atšķirību starp kovariāciju un korelāciju ir jāatzīmē šādi punkti:

Pasākums, ko izmanto, lai norādītu, cik lielā mērā divi izlases mainīgie mainās tandēmā, tiek saukti par kovariāciju. Pasākums, ko izmanto, lai attēlotu, cik stipri ir saistīti divi nejaušie mainīgie, ko sauc par korelāciju.
Kovarsija nav nekas cits kā korelācijas mērs. Gluži pretēji, korelācija attiecas uz kovariācijas mērogoto formu.
Korelācijas vērtība notiek no -1 līdz +1. Savukārt kovarācijas vērtība ir starp -∞ un + ∞.
Kovarsiju ietekmē skalas izmaiņas, ti, ja visas viena mainīgā vērtība tiek reizināta ar konstantu un visa cita mainīgā vērtība tiek reizināta ar līdzīgu vai atšķirīgu konstantu, tad kovariācija tiek mainīta. Pretēji tam korelāciju neietekmē mēroga izmaiņas.
Korelācija ir bez dimensijas, ti, tā ir vienība bez izmaiņām starp mainīgajiem. Atšķirībā no kovariācijas, kur vērtību iegūst, izmantojot divu mainīgo lielumu vienības.

Līdzības

Abi mēra tikai lineāru attiecību starp diviem mainīgajiem lielumiem, ti, kad korelācijas koeficients ir nulle, kovarācija ir arī nulle. Turklāt atrašanās vietas maiņa neietekmē šos divus pasākumus.

Secinājums

Korelācija ir īpašs kovariācijas gadījums, ko var iegūt, kad dati ir standartizēti. Tagad, kad runa ir par izvēli, kas ir labāks attiecību starp diviem mainīgajiem lielumiem, korelācija tiek dota priekšroka salīdzinājumā ar kovariāciju, jo to nemaina atrašanās vietas un mēroga izmaiņas, un to var izmantot arī, lai salīdzinātu divi mainīgo pāri.