从零开始理解协方差（Cov）

协方差主要用于理解变量之间的关系，是构建更复杂统计模型（如相关系数、协方差矩阵）的基石。

1. 方差概念假设有N个数据，其均值为μ，那么这N个数据的几个方差公式如下：

总体方差：

样本方差：

分母使用n−1 而不是n 是为了获得无偏估计，无偏估计指一个估计量的数学期望等于被估计参数的真实值，对于样本方差与总体方差来说，指的就是样本方差的期望等于总体方差，样本方差相当于从总体中多次抽取（而不是仅抽取一次），当抽取的次数足够多时，样本方差的期望等于总体方差。

2. 协方差基本概念协方差是统计学中衡量两个随机变量之间"协同变化"关系的重要指标，通俗地说，可以理解为两个变量在变化过程中是同方向变化，还是反方向变化，以及同向或反向程度如何。协方差，又称共变异数，被用来描述两个随机变量之间线性相关程度。

协方差数学定义

对于两个随机变量X和Y，协方差的数学定义为：

其中：

EEE 表示期望值（均值）

μ_X： 是变量X的均值（即E[X] ）

μ_Y： 是变量Y的均值（即E[Y] ）

这个公式表示：两个变量各自偏离其均值的乘积的期望值，协方差公式可以进一步推导为更简洁的形式：

样本协方差公式

在实际应用中，通常只有样本数据，而非整个总体，因此常用样本协方差，公式为：

其中：

N 是样本数量

x_i 和 y_i 是第i 个样本点的值

u_x 和 u_y 是X和Y的样本均值

3. 实际示例（计算身高与体重的协方差）假设有5个人的身高(cm)和体重(kg)数据：

序号

身高（x)

体重（y）

1

160

50

2

165

55

3

170

60

4

175

65

5

180

70

身高均值 ：u_x = (160+165+170+175+180)/5=170

体重均值 ：u_x =(50+55+60+65+70)/5 =60

这个正的协方差值表明身高和体重呈正相关关系，即身高越高，体重也倾向于越大。

4. 协方差的直观理解协方差的正负号表示两个变量变化的方向关系，而绝对值大小表示这种关系的强度，协方差公式中的(X−μX)(Y−μY)是关键。

当两个变量都高于各自均值或都低于各自均值时：(X−μX)和(Y−μY)同号，乘积为正，表示同向变化当一个变量高于均值而另一个低于均值时：(X−μX)和(Y−μY)异号，乘积为负，表示反向变化对称性：Cov(X,Y)=Cov(Y,X)方差是特例：当X=Y 时，Cov(X,X)=Var(X) ，即方差是协方差的特殊情况线性关系度量：协方差主要度量变量间的线性相关关系，，对于非线性关系可能无法准确反映无界性：协方差的取值范围是(−∞,+∞) ，没有固定范围，难以解释其大小的意义量纲依赖性：协方差的值受变量单位的影响。例如，身高用厘米、体重用公斤计算的协方差，与身高用米、体重用克计算的协方差值会相差很大，难以直接比较。为克服协方差的量纲依赖性问题，可以使用相关系数：

其中σ_X 和σ_Y，分别是X和Y的标准差，相关系数是协方差的标准化形式，取值范围在[−1,1] 之间：

1 表示完全正相关−1 表示完全负相关0 表示无线性相关