Differenza tra correlazione e covarianza
Se vuoi esprimere relazioni tra variabili o metriche, puoi usare la covarianza o la correlazione. Entrambi non sono sempre adatti, perché ci sono differenze significative. La prima dimensione non è standardizzata, quindi non è possibile confrontare i risultati di calcoli diversi.
Le relazioni tra le variabili possono essere espresse con una covarianza. Ma come questi risultano dipende anche da come sono stati misurati i valori. Quindi, se confronti le varianze tra le variabili che sono state registrate in modo diverso o hanno intervalli di valori diversi, allora hai bisogno di correlazioni.
Cos'è la covarianza?
La covarianza indica la relazione tra due variabili (es. B. tra altezza e peso delle persone). Valori bassi di un'unità di misura possono anche essere associati a valori bassi dell'altra unità e se i valori aumentano, lo fanno in misura simile per entrambe le variabili.
- Ad esempio, le persone più alte di solito pesano di più. In questo caso c'è una covarianza positiva.
- D'altra parte, c'è una relazione negativa quando valori alti di un valore sono accompagnati da valori bassi dell'altro valore. È il caso, ad esempio, del numero di stazioni di polizia in una regione e della frequenza dei reati (più presenza di polizia dovrebbe significare meno reati).
- Ma a volte non c'è nessuna connessione. Ciò si applica quando le differenze in un'area non influiscono affatto sulle altre variabili di misurazione. Tuttavia, per specificare esattamente quanto è grande una relazione, è richiesta la specifica della correlazione. Ciò rappresenta una normalizzazione in modo che le correlazioni di variabili misurate molto diverse possano essere confrontate tra loro.
A volte ti interessano le relazioni tra le caratteristiche, perché in questo modo ...
La differenza con la correlazione
- La correlazione esprime anche una relazione, ma questa misura è standardizzata in contrasto con la covarianza. La correlazione può assumere solo valori compresi tra -1 (relazione negativa) e 1 (relazione positiva).
- I valori a zero indicano che le differenze in una variabile hanno poco o nessun effetto sull'altra; qui non c'è una connessione significativa e quindi nemmeno una covarianza.
- Inoltre, la correlazione viene testata per la significatività. Ciò significa che viene calcolato se esiste effettivamente una correlazione tra le caratteristiche delle variabili dato il numero di valori misurati.
