Jaka jest różnica między macierzą korelacji a macierzą kowariancji?

Jaka jest różnica między macierzą korelacji a macierzą kowariancji?
Anonim

Odpowiedź:

Macierz kowariancji jest bardziej uogólnioną formą prostej macierzy korelacji.

Wyjaśnienie:

Korelacja jest skalowaną wersją kowariancji; zauważ, że oba parametry zawsze mają ten sam znak (dodatni, ujemny lub 0). Gdy znak jest pozytywny, mówi się, że zmienne są dodatnio skorelowane; gdy znak jest ujemny, mówi się, że zmienne są ujemnie skorelowane; a gdy znak jest równy 0, mówi się, że zmienne są nieskorelowane.

Należy również zauważyć, że korelacja jest bezwymiarowa, ponieważ licznik i mianownik mają takie same jednostki fizyczne, a mianowicie iloczyn jednostek # X # i # Y #.

Najlepszy liniowy predyktor

Przypuszczam, że # X # jest losowym wektorem # RR ^ m # i to # Y # jest losowym wektorem # RR ^ n #. Jesteśmy zainteresowani znalezieniem funkcji # X # formularza # a + bX #, gdzie #a w RR ^ n # i #b w RR ^ {nxxm} #, to jest najbliżej # Y # w sensie średniej kwadratowej. Funkcje tej postaci są analogiczne do funkcji liniowych w przypadku pojedynczej zmiennej.

Jednak chyba że # a = 0 #, takie funkcje nie są przekształceniami liniowymi w sensie algebry liniowej, więc właściwym terminem jest funkcja afiniczna # X #. Problem ten ma fundamentalne znaczenie w statystyce, gdy wektor losowy # X #, wektor predykcyjny jest obserwowalny, ale nie wektor losowy # Y #, wektor odpowiedzi.

Nasza dyskusja tutaj uogólnia przypadek jednowymiarowy, kiedy # X # i # Y # są zmiennymi losowymi. Ten problem został rozwiązany w części dotyczącej kowariancji i korelacji.

www.math.uah.edu/stat/expect/Covariance.html