Termín covariance není součástí slovníku vyvinutého královskou španělskou akademií ( RAE ). Koncept se však používá v oblasti statistiky a v oblasti pravděpodobnosti, aby se pojmenovala hodnota, která odráží míru společné variace, která je zaznamenána ve dvou náhodných proměnných, které mají své prostředky jako opatření.
Kovarianita nám tedy umožňuje zjistit, zda proměnné udržují vazbu závislosti . Údaje také pomáhají poznat další parametry.
Je známo s názvem náhodná proměnná funkce, která k výsledku náhodného experimentu přiřadí jeho hodnotu, obvykle číselného typu. Náhodný experiment, na druhé straně, je ten, který může přinést různé výsledky, i když se provádí více než jednou za stejných podmínek, takže je nemožné předvídat a proto reprodukovat každou zkušenost.
Velmi častým příkladem náhodného experimentu, který můžeme dokázat v našem každodenním životě, je házení smrti: i když je hozen na stejném povrchu, se stejnou rukou nebo pohárem a aplikuje víceméně stejnou sílu a směr, není to je možné předpovědět, která z vašich tváří bude směřovat nahoru.
Pokud nízké hodnoty jedné proměnné odpovídají nízkým hodnotám jiné proměnné, nebo pokud se to stane s vysokými hodnotami obou, má kovarianta kladnou hodnotu a je kvalifikována jako přímá . Na druhé straně, pokud nízké hodnoty jedné proměnné odpovídají nejvyšším hodnotám jiné proměnné a naopak, je kovarianta záporná a je definována jako inverzní . Současný trend v lineárním vztahu, který je vytvořen mezi proměnnými, je tímto způsobem vyjádřen znaménkem kovariance .
Existují různé vzorce pro výpočet kovariance. Lze říci, že kovariance je aritmetický průměr, který vychází z výsledku odchylek proměnných vzhledem k jejich vlastním prostředkům.
Předpokládejme, že proměnné jsou výsledky historického a geografického hodnocení pěti studentů:
Grafy Historie (P) z pěti studentů: 6, 5, 7, 7, 4 (celkem = 29)
Zeměpis (S) skóre pěti studentů: 7, 3, 4, 3, 5 (celkem = 22)
Pak musíte tabulovat a vynásobit výsledky hodnocení každého studenta:
P x S: 42 (od 6 x 7 = 42), 15 (5 x 3), 28 (7 x 4), 21 (7 x 3), 20 (4 x 5). Celkový součet výsledků = 126)
Průměr P: 29/5 = 5, 8
Průměrná hodnota S: 22/5 = 4, 4
Nakonec:
PS Covariance: (126/5) - 5, 8 x 4, 4
PS Covariance: 25, 2 - 5, 8 x 4, 4
Covariance PS: 25, 2 - 25, 52
PS Covariance: -0.32
Regresní čára je také známá jako lineární úprava nebo lineární regrese a je pojmem patřícím do oblasti statistik, který zahrnuje matematický model používaný pro aproximaci závislosti, která existuje mezi skupinou proměnných a náhodným pojmem.
Lineární korelační koeficient je na druhou stranu indikátorem směru a síly lineárního vztahu (v matematice, co je dáno, pokud hodnota jedné magnitudy závisí na tom, co má jiný) a proporcionalitu (poměr nebo stálý vztah, který se vyskytuje mezi velikostmi, které lze měřit) mezi dvěma statistickými proměnnými (jsou to charakteristiky, které se mohou měnit s hodnotami, které lze pozorovat a měřit).
Je důležité rozlišit následující dva typy kovariance: ten, který se vyskytuje mezi dvěma náhodnými proměnnými, který je považován za vlastnost společné distribuce, tj. Událostí obou, které se vyskytují současně; vzorek, který se používá jako statistický odhad parametru .