Forskellen mellem korrelation og Covariance
Hvis du vil udtrykke relationer mellem variabler eller metrics, kan du bruge kovarians eller korrelation. Begge dele er ikke altid egnede, fordi der er betydelige forskelle. Den tidligere størrelse er ustandardiseret, så du kan ikke sammenligne resultaterne af forskellige beregninger.
Forhold mellem variabler kan udtrykkes med en kovarians. Men hvordan disse bliver, afhænger også af, hvordan værdierne blev målt. Så hvis du sammenligner variationerne mellem variabler, der blev registreret forskelligt eller har forskellige værdiområder, så har du brug for korrelationer.
Hvad er kovarians?
Kovariansen angiver forholdet mellem to variabler (f.eks. B. mellem højde og vægt på mennesker). Lave værdier for en måleenhed kan også være forbundet med lave værdier for den anden enhed, og hvis værdierne stiger, gør de dette i lignende omfang for begge variabler.
- For eksempel vejer højere mennesker normalt mere. I dette tilfælde er der en positiv kovarians.
- På den anden side er der et negativt forhold, når høje værdier af den ene værdi ledsages af lave værdier af den anden værdi. Dette er f.eks. Tilfældet med antallet af politistationer i en region og hyppigheden af forbrydelser (mere politi tilstedeværelse burde betyde færre forbrydelser).
- Men nogle gange er der slet ingen forbindelse. Dette gælder, når forskelle på et område slet ikke påvirker de andre målevariabler. For at præcisere præcist hvor stort et forhold er, kræves specifikationen af korrelationen. Dette repræsenterer en normalisering, så korrelationer mellem meget forskellige målte variabler kan sammenlignes med hinanden.
Nogle gange er du interesseret i forhold mellem egenskaber, fordi denne måde ...
Forskellen på sammenhængen
- Korrelationen udtrykker også et forhold, men dette mål er standardiseret i modsætning til kovariansen. Korrelationen kan kun antage værdier mellem -1 (negativ relation) og 1 (positiv relation).
- Værdier på nul angiver, at forskelle i den ene variabel har ringe eller ingen effekt på den anden; her er der ingen signifikant forbindelse og derfor heller ingen kovarians.
- Derudover testes korrelationen for signifikans. Det betyder, at det beregnes, om der faktisk er en sammenhæng mellem variablernes karakteristika givet antallet af målte værdier.
