Skillnad mellan Covariance och Correlation

Covariance vs Correlation

Covarians och korrelation är två begrepp inom sannolikhet och statistikområdet. Båda koncepten beskriver förhållandet mellan två variabler. Dessutom är båda mätinstrument för en viss typ av beroende mellan variabler.

"Covariance" definieras som "det förväntade värdet av variationer av två slumpmässiga variabler från deras förväntade värden," medan "korrelation" är "det förväntade värdet av två slumpmässiga variabler".
För att förenkla, försöker en kovarians undersöka och mäta hur mycket variabler som förändras tillsammans. I detta koncept kan båda variablerna förändras på samma sätt utan att ange något samband. Covariance är ett mått på styrka eller svaghet i sambandet mellan två eller flera uppsättningar av slumpvariabler, medan korrelation tjänar som en skalad version av en kovarians.

Både kovarians och korrelation har särskiljande typer. Covarians kan klassificeras som positiv kovarians (två variabler tenderar att variera ihop) och negativ kovarians (en variabel är över eller under det förväntade värdet jämfört med en annan variabel). Å andra sidan har korrelationen tre kategorier: positiv, negativ eller noll. Positiv korrelation indikeras med ett plustecken, negativ korrelation med negativt tecken och okorrelerade variabler - med en "0."

Både kovarians och korrelation har intervall. Korrelationsvärdena ligger i skalaen -1 till +1. När det gäller kovarians kan värdena överstiga eller kan ligga utanför korrelationsområdet. Dessutom är korrelationsvärdena beroende av måttenheter av "X" och "Y."
En annan anmärkningsvärd skillnad är att en korrelation är dimensionslös. I motsats härtill beskrivs en kovarians i enheter som bildas genom att multiplicera enheten för en variabel med en annan enhet av en annan variabel. Covariance fokuserar på förhållandet mellan två enheter, till exempel variabler eller uppsättningar data. Däremot kan korrelation innebära två eller flera variabler eller dataset och relationerna mellan dem.

En annan anmärkningsvärd åtskillnad mellan de två är att en kovarians ofta står i tandem med en varians (en av dess egenskaper, men också den gemensamma åtgärden av scatter eller dispersion), medan korrelationen går ihop med beroende och regressionsanalys. "Beroende" definieras som "alla förhållanden mellan två dataset eller slumpmässiga variabler", medan regressionsanalys är metoden som används för att undersöka förhållandet mellan oberoende och beroende variabler. Andra klassificeringar av korrelation är partiella och multipla korrelationer.

Sammanfattning:

1.Kovarians och korrelation är två begrepp i studien av statistik och sannolikhet. De är olika i sina definitioner men nära relaterade. Båda koncepten beskriver förhållandet och mäter typen av beroende mellan två eller flera variabler.
2.Covariance är det förväntade värdet av variation mellan två slumpmässiga variabler från deras förväntade värden, medan en korrelation har nästan samma definition men det inkluderar inte variation.
3.Covariance är också ett mått på två slumpmässiga variabler som varierar ihop. Samtidigt är korrelation associerad med ömsesidigt beroende eller förening. Enkelt uttryckt är korrelationen hur långt eller hur nära två variabler är från att vara oberoende av varandra.
4.Covariance är ett mått på en korrelation, medan korrelation är en skalad version av kovarians.
5.Covariance kan involvera förhållandet mellan två variabler eller dataset, medan korrelation kan involvera förhållandet mellan flera variabler också.
6.Korrelationsvärden varierar från positiva 1 till negativa 1. Å andra sidan kan kovariansvärdena överstiga denna skala.
7. Både korrelation och kovarians använder en positiv eller negativ beskrivning av deras typer. Covariance har två typer - positiv kovarians (där två variabler varierar ihop) och negativ kovarians (där en variabel är högre eller lägre än den andra). När det gäller korrelation förenas positiva och negativa korrelationer med en ytterligare kategori, "0" - en okorrelerad typ.