文章目录

期望值、方差、协方差、相关系数
- 一、期望值
- 二、方差
- - 1. 概念：
  - 2. 示例：
- 三、协方差
- - 1. 概念：
  - 2. 示例：
- 四、协方差矩阵
- - 1. 概念：
  - 2. 示例：
- 五、协方差的相关系数
- - 1. 概念：
  - 2. 示例：
- 六、numpy 计算均值、方差、标准差

期望值、方差、协方差、相关系数

一、期望值

在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的加权平均。期望值并不一定包含于变量的输出值集合里。
大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。

离散情况：
E(X) = ΣPi * Xi

例如，掷一枚公平的六面骰子，其每次“点数”的期望值是3.5，计算如下：

X	1	2	3	4	5	6
P(x)	1/6	1/6	1/6	1/6	1/6	1/6

E(X) = 1 * 1/6 + 2 * 1/6 + 3 * 1/6 + 4 * 1/6 + 5 * 1/6 + 6 * 1/6 = 3.5

连续情况：
如果X是连续的随机变量，存在一个相应的概率密度函数 f(x)，则X的期望值为：
E[X] = ∫x f(x) dx

二、方差

1. 概念：

在概率论和统计学中，方差是衡量随机变量或一组数据离散程度的度量。
概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。
方差是衡量源数据和期望值相差的度量值。

在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。
总体方差计算公式：
X为变量，μ为总体均值，N为总体例数。

实际工作中，总体均数难以得到时，应用样本统计量代替总体参数，经校正后，样本方差计算公式：
S²= ∑（X - A）² / （n-1）
S²为样本方差，X为变量，A为样本均值，n为样本例数。
在概率分布中，离散型随机变量方差计算公式：
D(X) = E{[X-E(X)] ^ 2} = E(X ^ 2) - [ E(X)]^2
D(X)称为变量X的方差，而 σ = D(X)^(1/2) 称为标准差（或均方差）。

方差刻画了随机变量的取值对于其数学期望的离散程度。（标准差、方差越大，离散程度越大）
若X的取值比较集中，则方差D（X）较小，若X的取值比较分散，则方差D（X）较大。
因此，D（X）是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。

2. 示例：

如 X 样本为：5、6、9、16，则 X 的方差计算如下为：
先求 X 的平均数为（5+6+9+16）/ 4 = 9
总体方差 = （(5-9)²+(6-9)²+(9-9)²+(16-9)²）/ 4 = 18.5
样本方差 = （(5-9)²+(6-9)²+(9-9)²+(16-9)²）/ （4-1） = 24.667

三、协方差

1. 概念：

协方差（Covariance）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（方差是衡量一个变量之间的离散程度）。

期望值分别为E(X) = u 与 E(Y) = ν 的两个实随机变量 X 与 Y 之间的协方差定义为：
COV(X，Y) = E[(X-E(X))(Y-E(Y))] = E(XY) - 2E(X)E(Y) + E(X)(Y) = E(XY) - uv

也可以用平均值来计算协方差：
Cov(X,Y)=1/（N−1）∑(Xi−Xi_)(Yi−Yi_)
Xi_,Yi_为平均值。这里，之所以除以 N-1 而不是 N 的原因是对总体样本期望的无偏估计。

直观上来看，协方差表示的是两个变量总体误差的方差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
如果X与Y是统计独立的，那么二者之间的协方差就是0，反之则不成立

2. 示例：

X,Y的变量取值如下：

变量
X	1	5	6
Y	4	3	9

求解X,Y的协方差过程如下：

X的均值为Xi_：(1+5+6) / 3 = 4
Y的均值为Yi_：(4+3+9) / 3 = 16/3
协方差 Cov(X,Y) = 1/（N−1）∑(Xi−Xi_)(Yi−Yi_) = ( (1-4) * (4-16/3) + (5-4) * (3-16/3) + (6-4) * (9-16/3) ) / (3-1) = 4.5
(numpy源码中也是使用这种方式来计算协方差的)
注：
X方差 Var(X,X) = ( (1-4) * (1-4) + (5-4) * (5-4) + (6-4) * (6-4) ) / (3-1) = 7
可以看出协方差与方差的区别和联系。

四、协方差矩阵

1. 概念：

协方差也只能处理二维问题，那维数多了自然就需要计算多个协方差，比如n维的数据集就需要计算 n! / ((n-2)!*2) 个协方差，那自然而然的我们会想到使用矩阵来组织这些数据。
在统计学与概率论中，协方差矩阵（也称离差矩阵、方差-协方差矩阵）是一个矩阵，其 i, j 位置的元素是第 i 个与第 j 个随机变量之间的协方差。这是从标量随机变量到高维度随机向量的自然推广。

给出协方差矩阵的定义：
假设 X 是以 n 个随机变数组成的列向量，
X=[X1X2...Xn]X= \left[ \begin{matrix} X1 \\ X2 \\ ... \\ Xn \end{matrix} \right] X=⎣⎢⎢⎡X1X2...Xn⎦⎥⎥⎤
并且并且 μi 是 Xi 的期望值，即 μi = E(Xi)。

协方差矩阵的第 (i,j) 项（第 (i,j) 项是一个协方差）被定义为如下形式：
∑_ij = Cov(Xi,Xj) = E[(Xi - μi)(Xj - μj)^T]

协方差矩阵完整形式：

这个定义还是很容易理解的，我们可以举一个简单的三维的例子，假设数据集有三个维度，则协方差矩阵为：

可见，协方差矩阵是一个对称的矩阵，而且对角线是各个维度上的方差。

2. 示例：

X,Y,Z,K的变量取值如下：

变量
X	1	5	6
Y	4	3	9
Z	4	2	9
K	4	7	2

所以协方差矩阵C为：
C=[cov(X,X)cov(X,Y)cov(X,Z)cov(X,K)cov(Y,X)cov(Y,Y)cov(Y,Z)cov(Y,K)cov(Z,X)cov(Z,Y)cov(Z,Z)cov(Z,K)cov(K,X)cov(K,Y)cov(K,Z)cov(K,K)]C= \left[ \begin{matrix} cov(X,X) & cov(X,Y) & cov(X,Z) & cov(X,K)\\ cov(Y,X) & cov(Y,Y) & cov(Y,Z) & cov(Y,K)\\ cov(Z,X) & cov(Z,Y) & cov(Z,Z) & cov(Z,K)\\ cov(K,X) & cov(K,Y) & cov(K,Z) & cov(K,K)\\ \end{matrix} \right] C=⎣⎢⎢⎡cov(X,X)cov(Y,X)cov(Z,X)cov(K,X)cov(X,Y)cov(Y,Y)cov(Z,Y)cov(K,Y)cov(X,Z)cov(Y,Z)cov(Z,Z)cov(K,Z)cov(X,K)cov(Y,K)cov(Z,K)cov(K,K)⎦⎥⎥⎤

每一个协方差的求解过程为：
协方差 Cov(X,Y) = 1/（N−1）∑(Xi−Xi_)(Yi−Yi_) = ( (1-4) * (4-16/3) + (5-4) * (3-16/3) + (6-4) * (9-16/3) ) / (3-1) = 4.5

最终的协方差矩阵为：
C=[74.54−0.54.510.3311.5−7.16411.513−8.5−0.5−7.16−8.56.33]C= \left[ \begin{matrix} 7 & 4.5 & 4 & -0.5 \\ 4.5 & 10.33 & 11.5 & -7.16 \\ 4 & 11.5 & 13 & -8.5 \\ -0.5 & -7.16 & -8.5 & 6.33 \\ \end{matrix} \right] C=⎣⎢⎢⎡74.54−0.54.510.3311.5−7.16411.513−8.5−0.5−7.16−8.56.33⎦⎥⎥⎤

五、协方差的相关系数

1. 概念：

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。
为了准确得到变量之间的相似程度，我们需要把协方差除以各自变量的标准差。这样就得到了相关系数的表达式：
r(X,Y) = Cov(X,Y) / (σX σY)
可见，相关系数就是在协方差的基础上除以变量 X 和 Y 的标准差。

为什么除以各自变量的标准差就能消除幅值影响呢？
这是因为标准差本身反映了变量的幅值变化程度，除以标准差正好能起到抵消的作用，让协方差标准化。这样，相关系数的范围就被归一化到 [-1,1] 之间了。

相关系数大于零，则表示两个变量正相关，且相关系数越大，正相关性越高；
相关系数小于零，则表示两个变量负相关，且相关系数越小，负相关性越高；
相关系数等于零，则表示两个变量不相关。

回过头来看一下协方差与相关系数的关系，其实，相关系数是协方差的标准化、归一化形式，消除了量纲、幅值变化不一的影响。实际应用中，在比较不同变量之间相关性时，使用相关系数更为科学和准确。协方差在机器学习的很多领域都有应用，而且非常重要！

2. 示例：

X,Y的变量取值如下：

变量
X	1	5	6
Y	4	3	9

求解X,Y的协方差过程如下：

协方差 Cov(X,Y) = 1/（N−1）∑(Xi−Xi_)(Yi−Yi_) = ( (1-4) * (4-16/3) + (5-4) * (3-16/3) + (6-4) * (9-16/3) ) / (3-1) = 4.5
X的标准差 σX = 7^1/2
Y的标准差 σY = 10.33^1/2
相关系数 r(X,Y) = 4.5 / (7^1/2 * 10.33^1/2) = 0.529

六、numpy 计算均值、方差、标准差

计算方差时，numpy 中的 var 函数，默认是总体方差（计算时除以样本数 N），若需要得到样本方差（计算时除以 N - 1），需要参数 ddo f= 1
计算协方差和相关系数时，numpy 返回的结果是协方差 / 相关系数的矩阵形式

import numpy as npa = [1, 5, 6]
b = [4, 3, 9]
X = np.array([[1, 5, 6], [4, 3, 9], [4, 2, 9], [4, 7, 2]])# 计算变量的平均数
aver_a = np.mean(a)
print("aver_a：", aver_a)# 计算总体方差（有偏）
var_a = np.var(a)
print("var_a：", var_a)# 计算总体标准差
std_a = np.std(a)
print("std_a：", std_a)# 计算样本方差（无偏）
var_sample_a = np.var(a, ddof=1)
print("var_sample_a：", var_sample_a)# 计算样本标准差
std_sample_a = np.std(a, ddof=1)
print("std_sample_a：", std_sample_a)# 计算变量 a，b的协方差，（结果以协方差矩阵的形式呈现）
cov_ab = np.cov(a, b)
print("cov_ab：", cov_ab)# 变量数组 X 的协方差矩阵
cov_X = np.cov(X)
print("cov_X：", cov_X)# 计算变量a和b的相关系数
corrcoef_ab = np.corrcoef(a, b)
print("corrcoef_ab：", corrcoef_ab)# 变量数组 X 的相关系数矩阵
corrcoef_X = np.corrcoef(X)
print("corrcoef_X：", corrcoef_X)

运行结果：

aver_a： 4.0
var_a： 4.666666666666667
std_a： 2.160246899469287
var_sample_a： 7.0
std_sample_a： 2.6457513110645907cov_ab： [[ 7.          4.5       ][ 4.5        10.33333333]]cov_X： [[ 7.          4.5         4.         -0.5       ][ 4.5        10.33333333 11.5        -7.16666667][ 4.         11.5        13.         -8.5       ][-0.5        -7.16666667 -8.5         6.33333333]]corrcoef_ab： [[1.         0.52910672][0.52910672 1.        ]]corrcoef_X： [[ 1.          0.52910672  0.41931393 -0.07509393][ 0.52910672  1.          0.99221536 -0.88589207][ 0.41931393  0.99221536  1.         -0.93676591][-0.07509393 -0.88589207 -0.93676591  1.        ]]

参考资料：

维基百科：
https://zh.wikipedia.org/zh-cn/%E7%9B%B8%E5%85%B3
博客：
https://blog.csdn.net/YPP0229/article/details/100519343