Co to jest kowariancja?
Kowariancja mierzy, czy dwie zmienne zmieniają się razem w podobnym kierunku. Jeśli większym wartościom X zwykle odpowiadają większe wartości Y, kowariancja jest dodatnia. Jeśli większym wartościom X odpowiadają mniejsze wartości Y, kowariancja jest ujemna.
Wynik kowariancji zależy od jednostek danych, dlatego sama liczba może być trudna do porównywania między różnymi zbiorami. Do oceny siły zależności w skali od -1 do 1 użyj korelacji Pearsona, a dla danych porządkowych lub zależności monotonicznej korelacji Spearmana.
Wzór na kowariancję
Dla próby najczęściej stosuje się wzór:
cov(X,Y) = Σ(Xᵢ - x̄)(Yᵢ - ȳ) / (n - 1)
Dla populacji mianownik wynosi n:
covpop(X,Y) = Σ(Xᵢ - μX)(Yᵢ - μY) / n
Kalkulator pokazuje każdy iloczyn odchyleń, ich sumę i wynik po podzieleniu przez odpowiedni mianownik.
Kowariancja dodatnia, ujemna i bliska zera
| Znak kowariancji | Interpretacja | Przykład |
|---|---|---|
| dodatnia | X i Y zwykle rosną razem | czas nauki i wynik testu |
| ujemna | gdy X rośnie, Y zwykle maleje | cena i liczba kupujących |
| bliska zera | brak wyraźnej liniowej współzmienności | zmienne mogą być niezależne albo powiązane nieliniowo |
Warto pamiętać, że kowariancja bliska zera nie wyklucza każdej zależności. Może oznaczać brak zależności liniowej, ale dane nadal mogą mieć wzór nieliniowy.
Kowariancja a korelacja Pearsona
Korelacja Pearsona to kowariancja po standaryzacji przez odchylenia standardowe obu zmiennych:
r = cov(X,Y) / (sX · sY)
Dzięki temu wynik korelacji zawsze mieści się od -1 do 1. Kowariancja mówi głównie o kierunku współzmienności i jest elementem pośrednim w wielu wzorach, m.in. regresji liniowej, macierzach kowariancji i analizie zależności.
Kiedy liczyć kowariancję z próby, a kiedy z populacji?
Jeżeli analizujesz próbę pobraną z większej populacji, wybierz wariant n - 1. To najczęstsze ustawienie w statystyce opisowej i wnioskowaniu. Jeśli masz wszystkie dane, które Cię interesują, możesz wybrać wariant populacyjny z mianownikiem n.
Różnica między tymi wariantami jest największa przy małej liczbie obserwacji. Przy dużych zbiorach wyniki będą bardzo podobne.
Przykład krok po kroku
Dla każdej pary danych kalkulator odejmuje średnią X od wartości X oraz średnią Y od wartości Y. Następnie mnoży te dwa odchylenia. Jeśli w wielu wierszach oba odchylenia mają ten sam znak, suma iloczynów jest dodatnia.
Jeśli jedno odchylenie jest dodatnie, a drugie ujemne, iloczyn jest ujemny. Dlatego znak kowariancji mówi, czy zmienne częściej odchylają się od średnich w tym samym kierunku, czy w przeciwnych kierunkach.
Zadania przykładowe
Co oznacza dodatnia kowariancja?
Co oznacza ujemna kowariancja?
Dlaczego samej kowariancji trudno używać do porównywania siły zależności?
Jak powiązana jest kowariancja z korelacją?
Najczęstsze błędy
- Porównywanie wartości kowariancji między różnymi skalami - lepiej użyć korelacji.
- Mylenie znaku z siłą - znak mówi o kierunku, a nie samodzielnie o sile związku.
- Wpisanie list o różnej długości - każda wartość X musi mieć odpowiadającą wartość Y.
- Ignorowanie wykresu punktowego - wykres pomaga zauważyć zależność nieliniową lub wartości odstające.
- Traktowanie kowariancji jako dowodu przyczynowości - współzmienność nie dowodzi przyczyny.
Sprawdź także
Do zależności liniowej użyj korelacji Pearsona, a do zależności rangowej korelacji Spearmana. Przed analizą warto sprawdzić histogram, wartości odstające przez IQR i współczynnik zmienności.
Wskazówka od KalkulatorXXL
Kowariancję najlepiej traktować jako krok techniczny: pokazuje kierunek współzmienności i prowadzi do korelacji oraz regresji. W raporcie podawaj ją razem z korelacją, wykresem punktowym i liczbą obserwacji.
Cały pakiet statystyki i rozkładów
Ten kalkulator jest częścią większego pakietu narzędzi do statystyki, prawdopodobieństwa, rozkładów i analizy danych. Jeśli chcesz przejść od pojedynczego wyniku do szerszego zestawu metod, sprawdź Statystyka, prawdopodobieństwo i rozkłady - akademia obliczeń. Znajdziesz tam ścieżki do rozkładów dyskretnych i ciągłych, testów statystycznych, z-score, wartości odstających, ANOVA oraz narzędzi do oceny modeli.