皮尔逊相关系数的几何解释 |
您所在的位置:网站首页 › 相关系数ρxy › 皮尔逊相关系数的几何解释 |
皮尔逊相关系数的几何解释
皮尔逊相关系数的几何解释如下:
皮尔逊相关系数本质上是对数据标准化处理后的协方差。
呃, 这个大学概率论课本上就有很清晰的解释。 这里 copy 一下。
定义:若 (X,Y) 是一个二维随机变量,则称 E{[X-E(X)][Y-E(Y)]} 为 随机变量 X 与 Y 的协方差,记为 Cov(X,Y) 。即 Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} 性质: Cov(aX,bY)=abCov(X,Y), ( a,b 是常数)
相关系数
协方差可以在一定程度上反映 X 与 Y 相互间的联系, 但它还受 X 与 Y 本身数值大小的影响,譬如说,令 X 与 Y 各自增大 k 倍,即 X1=kX,Y1=kY ,这时 X1 与 Y1 间的相互联系应该还是一样的,可是 反映这种联系的协方差却增大了 k 的平方倍,即
Cov(X1,Y1)=k2Cov(X,Y) 为了克服这一点,我们引入相关系数的定义:
定义:若 (X,Y) 是一个二维随机变量,则称 Cov(X,Y)D(X)D(Y) 为 随机变量 X 与 Y 的相关系数 ( 即皮尔逊相关系数 ) ,记为
ρ X,Y 。即
ρ XY=Cov(X,Y)D(X)D(Y) 由协方差的性质,我们可以看出,相关系数就是标准化随机变 量 X − E(X)D(X) 与 Y − E(Y)D(Y) 的协方差。
ρ XY 与 Cov(X,Y) 只差一 个常数倍 1D(X)D(Y) ,即
令 X1=X − E(X)D(X),Y1=Y − E(Y)D(Y) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |