协方差公式
协方差计算：COV（X，Y）=E（XY）-E（X）E（Y）。EX为随机变量X的数学期望，EXY是XY的数学期望。协方差在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
变量间相关的关系：
一般有三种：正相关、负相关和不相关。
正相关：假设有两个变量x和y，若x越大y越大；x越小y越小则x和y为正相关。
负相关：假设有两个变量x和y，若x越大y越小；x越小y越大则x和y为负相关。
不相关：假设有两个变量x和y，若x和y变化无关联则x和y为负相关。
协方差分析：
将线性回归分析与方差分析相结合而产生的一种统计方法，其基本思想是将未加或难以控制的因素对应变量Y的影响看作是协变量X，建立协变量X与应变量Y的线性回归关系，利用该回归关系将协变量X的值化为相等，计算应变量Y的均数（修正均数，adjusted means），再对应变量Y的修正均数进行比较。
协方差分析的应用条件是各组观察指标Y服从正态分布，各组观察指标Y彼此独立，方差齐性；各组协变量X与观察指标Y存在线性回归关系，且斜率相同（回归直线平行）。
协方差为0一定独立吗：
协方差为0是不相关，独立可推出不相关，但是不相关不能推出独立。
独立和不相关从字面上看都有“两个东西没关系”的意思，但两者是有区别的。相关性描述的是两个变量是否有线性关系，独立性描述的是两个变量是否有关系。
不相关表示两个变量没有线性关系，但还可以有其他关系，也就是不一定相互独立。下面是独立和不相关的关系：
1.X与Y独立，则X与Y一定不相关。
2.X与Y不相关，则X与Y不一定独立。
绛旓細鍗忔柟宸甤ov璁＄畻鍏紡=cov(x锛寉)=EXY-EX脳EY銆傚崗鏂瑰樊鍦ㄦ鐜囪鍜岀粺璁″涓敤浜庤 閲忎袱涓彉閲忕殑鎬讳綋璇樊銆傝屾柟宸槸鍗忔柟宸殑涓绉嶇壒娈婃儏鍐碉紝鍗冲綋涓や釜鍙橀噺鏄浉鍚岀殑鎯呭喌銆傚崗鏂瑰樊瀹氫箟涓 COV锛圶锛孻锛=E锛伙紙X-E锛圶锛夛級锛圷-E锛圷锛夛級锛界瓑浠疯绠楀紡涓篊OV锛圶锛孻锛=E锛圶Y锛-E锛圶锛塃锛圷锛夈備緥濡傦細Xi 1.1...
绛旓細鍗忔柟宸叕寮忎负锛欳OV(X锛孻)=E(XY)-E(X)E(Y)銆傚叾涓璛鍜孻涓轰袱涓疄闅忔満鍙橀噺锛孍[X]涓嶦[Y]涓哄叾鏈熸湜鍊笺傚崗鏂瑰樊锛圕ovariance锛夊湪姒傜巼璁哄拰缁熻瀛︿腑鐢ㄤ簬琛￠噺涓や釜鍙橀噺鐨勬讳綋璇樊銆傝嫢涓や釜鍙橀噺鐨勫彉鍖栬秼鍔夸竴鑷达紝鍗冲鏋滃叾涓竴涓彉閲忓ぇ浜庤嚜韬殑鏈熸湜鍊硷紝鍙︿竴涓彉閲忎篃澶т簬鑷韩鐨勬湡鏈涘硷紝鍒欎袱涓彉閲忎箣闂寸殑鍗忔柟宸...
绛旓細1銆乧ov(x,y)=EXY锛岴X*EY銆2銆佸崗鏂瑰樊鐨勫畾涔夛紝EX涓洪殢鏈哄彉閲廥鐨勬暟瀛︽湡鏈涳紝鍚岀悊锛孍XY鏄疿Y鐨勬暟瀛︽湡鏈涳紝鎸洪夯鐑︾殑锛屽缓璁綘鐪嬩竴涓嬫鐜囪cov(x,y)=EXY锛岴X*EY銆3銆佸崗鏂瑰樊锛圕ovariance锛夊湪姒傜巼璁哄拰缁熻瀛︿腑鐢ㄤ簬琛￠噺涓や釜鍙橀噺鐨勬讳綋璇樊銆傝屾柟宸槸鍗忔柟宸殑涓绉嶇壒娈婃儏鍐碉紝鍗冲綋涓や釜鍙橀噺鏄浉鍚岀殑鎯呭喌銆4銆...
绛旓細鍗忔柟宸殑璁＄畻鍏紡鏄: 鍗忔柟宸(Cov)= 危(Xi-X骞冲潎鍊)(Yi-Y骞冲潎鍊)/ N 鍏朵腑,Xi,Yi鍒嗗埆浠ｈ〃绗琲涓牱鏈偣鐨刋鍜孻鍙橀噺鍊;X骞冲潎鍊煎拰Y骞冲潎鍊煎垎鍒唬琛╔鍜孻鍙橀噺鐨勬牱鏈钩鍧囧;N浠ｈ〃鏍锋湰閲忋1銆佺‘瀹氭暟鎹泦 鍦ㄨ繘琛屽崗鏂瑰樊璁＄畻涔嬪墠锛岄渶瑕佺‘淇濇湁涓涓寘鍚袱涓彉閲忔暟鎹殑鏁版嵁闆嗐傝繖涓暟鎹泦搴旇鍖呭惈鎯宠姣旇緝鐨勪袱...
绛旓細鍗忔柟宸绠楋細COV锛圶锛孻锛=E锛圶Y锛-E锛圶锛塃锛圷锛銆侲X涓洪殢鏈哄彉閲廥鐨勬暟瀛︽湡鏈涳紝EXY鏄疿Y鐨勬暟瀛︽湡鏈涖傚崗鏂瑰樊鍦ㄦ鐜囪鍜岀粺璁″涓敤浜庤 閲忎袱涓彉閲忕殑鎬讳綋璇樊銆傝屾柟宸槸鍗忔柟宸殑涓绉嶇壒娈婃儏鍐碉紝鍗冲綋涓や釜鍙橀噺鏄浉鍚岀殑鎯呭喌銆傚彉閲忛棿鐩稿叧鐨勫叧绯伙細涓鑸湁涓夌锛氭鐩稿叧銆佽礋鐩稿叧鍜屼笉鐩稿叧銆傛鐩稿叧锛氬亣璁炬湁涓や釜鍙橀噺...
绛旓細鍗忔柟宸叕寮鏄細Cov = 危[] / 锛屽叾涓瓁i鍜寉i琛ㄧず鏁版嵁闆嗕腑姣忓鏍锋湰鐐圭殑鏁板硷紝x骞冲潎鍜寉骞冲潎鍒嗗埆琛ㄧず涓や釜鍙橀噺鐨勫钩鍧囧硷紝N琛ㄧず鏍锋湰鐐圭殑鏁伴噺銆傚畠鏄 閲忎袱涓彉閲忔讳綋璇樊鐨勬寚鏍囷紝鍙嶆槧鐨勬槸涓や釜鍙橀噺涔嬮棿绾挎у叧绯荤殑寮哄急绋嬪害鍜屾柟鍚戙備互涓嬫槸璇︾粏鐨勮В閲婏細鍗忔柟宸槸琛￠噺涓や釜鍙橀噺涔嬮棿鐩镐簰鍏崇郴鍜屽叧鑱旂▼搴︾殑缁熻閲忋傚叿浣...
绛旓細cov璁＄畻鍏紡锛欳ov(X,Y)=E((X-Ex)(Y-Ey))锛涘叾涓紝X鍜孻琛ㄧず涓ょ粍鏍锋湰鏁版嵁;Ex鍜孍Y鍒嗗埆琛ㄧずX鍜屽拰Y鐨勬牱鏈潎鍊笺傜煡璇嗘嫇灞 鍗忔柟宸锛圕ovariance锛夊湪姒傜巼璁哄拰缁熻瀛︿腑鐢ㄤ簬琛￠噺涓や釜鍙橀噺鐨勬讳綋璇樊銆傝屾柟宸槸鍗忔柟宸殑涓绉嶇壒娈婃儏鍐碉紝鍗冲綋涓や釜鍙橀噺鏄浉鍚岀殑鎯呭喌銆傚崗鏂瑰樊琛ㄧず鐨勬槸涓や釜鍙橀噺鐨勬讳綋鐨勮宸紝杩欎笌鍙...
绛旓細鍗忔柟宸甤ov璁＄畻鍏紡鏄細Cov = 危[] / 銆傚崗鏂瑰樊鏄粺璁″涓敤浜庤 閲忎袱涓彉閲忛棿鍏宠仈绋嬪害鐨勬寚鏍囥傚叾璁＄畻鍏紡鍙嶆槧浜嗘暟鎹泦涓袱涓彉閲忓亸绂诲悇鑷潎鍊肩殑瓒嬪娍銆備互涓嬫槸鍏充簬鍗忔柟宸绠楀叕寮忕殑 鍏紡瑙ｉ噴 1. 鍏紡缁勬垚閮ㄥ垎锛鍗忔柟宸叕寮涓殑xi鍜寉i鍒嗗埆琛ㄧず涓や釜闅忔満鍙橀噺X鍜孻鐨勮娴嬪硷紝x鍧囧煎拰y鍧囧煎垯鏄繖涓や釜鍙橀噺鐨勫潎鍊...
绛旓細鍗忔柟宸叕寮锛欳ov(X,Y)=E[(X-渭_X)(Y-渭_Y)]鍏朵腑锛孋ov(X,Y)琛ㄧず涓や釜闅忔満鍙橀噺X鍜孻鐨勫崗鏂瑰樊锛孍[]琛ㄧず鏈熸湜鍊硷紝渭_X鍜屛糭Y鍒嗗埆琛ㄧずX鍜孻鐨勫潎鍊笺備竴銆佸崗鏂瑰樊鐨勮绠楁楠 1.璁＄畻X鍜孻鐨勫潎鍊硷細鍒嗗埆璁＄畻X鍜孻鐨勫潎鍊嘉糭X鍜屛糭Y銆傚皢鎵鏈夌殑X鍊肩浉鍔狅紝鐒跺悗闄や互X鐨勪釜鏁帮紝鍗冲彲寰楀埌渭_X锛涘悓鏍峰湴锛...
绛旓細鍗忔柟宸鐨勮绠鍏紡涓篊ov(x,y)=EXY-EX脳EY銆1銆佸崗鏂瑰樊鍦ㄦ鐜囪鍜岀粺璁″涓敤浜庤 閲忎袱涓彉閲忕殑鎬讳綋璇樊銆傝屾柟宸槸鍗忔柟宸殑涓绉嶇壒娈婃儏鍐碉紝鍗冲綋涓や釜鍙橀噺鏄浉鍚岀殑鎯呭喌銆2銆佸崗鏂瑰樊琛ㄧず鐨勬槸涓や釜鍙橀噺鐨勬讳綋鐨勮宸紝杩欎笌鍙〃绀轰竴涓彉閲忚宸殑鏂瑰樊涓嶅悓銆3銆佸鏋滀袱涓彉閲忕殑鍙樺寲瓒嬪娍涓鑷达紝涔熷氨鏄濡傛灉鍏朵腑涓涓...
