共燃性計算機
2つの変数間の共和性を計算し、その関係を理解する。
データを入力
Covarianceの包括的なガイド
Covarianceとは?
Covariance は 2 つの変数のリターン間の方向関係を測定する統計的な用具です。 2つの変数が一緒に変化し、同じ方向または反対方向に移動する傾向があるかどうかを示します。
Covarianceの主要な特徴:
- 対策アクセス変数間の関係の
- 変数が一緒に動くかどうか(陽性共分散)または逆に決定します(負の共和)
- 定量化共同分散性2つのランダム変数間で
- ポートフォリオ理論、リスク管理、多変量解析の基礎
品種の種類
肯定的な変化
2つの変数が増加または減少傾向にあるとき一緒に.
例:人間の高さと体重は、通常、正の共和性を持っています - 高さの増加、体重は頻繁に増加します。
ネガティブ・コワランス
一方の変数が他の減少として増加する傾向があるとき。
例: 温度と加熱コストは、通常、マイナスの共和性を持っています - 温度が低下するにつれて、加熱コストが増加します。
Covarianceの適用
財務・投資
リスク評価、資産配分の最適化、多様化効果の決定に活用。
データサイエンス
機能選択、寸法削減技術、および予測モデルの開発に不可欠。
リスクマネジメント
さまざまなリスク要因がどのように相互作用するかの分析を通して潜在的な脆弱性を特定し、定量化するために使用される。
Covariance対相関
| アスペクト | コワランス | コンサルティング |
|---|---|---|
| レンジ | -∞ への +∞ | -1 から +1 |
| 通訳 | 方向を見せるが強度を解釈しにくい | 方向と強度の両方を表示 |
| スケールの依存性 | 変数のスケールに応じて | スケール独立(正規化) |
Covarianceの制限
重要な考慮事項
- コワランスは線形関係だけを測定します。それは非線形パターンを逃すかもしれません
- 著名なスキュー結果が著しく得るoutliersに敏感
- 測定単位は共鳴値に影響を及ぼします
- Covariance ケーエーション: 強力な共和性は、1つの変数が他の変数の変更を引き起こしません
Covarianceの方式
Covarianceは、2つのランダム変数の共同分散性の測定です。 変数間の線形関係の方向を示します。
所在地:
- cov(X,Y) は X と Y の間の共鳴です。
- Σ は
- x と y は個々の値です
- μxおよびμyはXおよびYの手段です
- n は値の数です
コバリアンスを計算する方法
共鳴を計算するには、次の手順に従ってください。
-
1X と Y 変数の両方の意味を計算する
-
2それぞれの値から手段を抽出する
-
3各値の差分を多重化
-
4すべての製品をまとめて、(n-1)
通訳 共鳴
covariance が変数間の関係について教えてくれるものを理解する:
-
1肯定的な変化:
1つの変数が増加すると、他の変数も増加傾向があることを示す。
-
2負の共存:
1つの変数が増加すると、他の変数が減少傾向があることを示す。
-
3ゼロ共鳴:
変数間の線形関係がないことを指示します。
実用的な例
例1高さと重量
ツイート (cmの高さ): 160、165、170、175、180
お問い合わせ (キログラムの重量): 55、60、65、70、75
共鳴 = 62.5
肯定的な共鳴は高さおよび重量が一緒に増加する傾向があることを示します。
例2温度・アイスクリーム販売
X (°Cの温度): 20, 25, 30, 35, 40
Y (単位の販売): 100、120、140、160、180
共鳴=250
肯定的な共鳴はより高い温度がより多くのアイス クリームの販売につながることを示します。
例3学習時間と睡眠時間
X (学習時間): 2, 4, 6, 8, 10
お問い合わせ (所要時間): 8, 7, 6, 5, 4
バランス = -4
負のコワランスは、より多くの学習時間がより少ない睡眠時間と相関していることを示しています。