看原文：
怎樣將這3種相關情況，用乙個簡單的數字表達出來呢？
在圖中的區域（1）中，有 x>ex ，y-ey>0 ，所以(x-ex)(y-ey)>0；
在圖中的區域（2）中，有 x0 ，所以(x-ex)(y-ey)<0；
在圖中的區域（3）中，有 x0；
在圖中的區域（4）中，有 x>ex ，y-ey<0 ，所以(x-ex)(y-ey)<0。
當x與y正相關時，它們的分布大部分在區域（1）和（3）中，小部分在區域（2）和（4）中，所以平均來說，有e(x-ex)(y-ey)>0。
當 x與 y負相關時，它們的分布大部分在區域（2）和（4）中，小部分在區域（1）和（3）中，所以平均來說，有(x-ex)(y-ey)<0。
當 x與 y不相關時，它們在區域（1）和（3）中的分布，與在區域（2）和（4）中的分布幾乎一樣多，所以平均來說，有(x-ex)(y-ey)=0。
所以，我們可以定義乙個表示x, y 相互關係的數字特徵，也就是協方差
cov(x, y) = e(x-ex)(y-ey)。
當 cov(x, y)>0時，表明x與y正相關；
當cov(x, y)<0時，表明x與y負相關；
當cov(x, y)=0時，表明x與y不相關。
這就是協方差的意義。
如何形象的理解協方差
如何理解方差 方差也是比較資料的乙個非常有用的工具 舉個例子你就明白了 以前我們要比較兩組資料大小一般用平均數，但是有的時候平均數不能非常準確的表示資料 比如 有現在有六隻雞，每三隻一組 第一組的雞的斤數分別是 2.5，3，3.5 第二組的雞的斤數分別是 1，3，5 很顯然我們能看出第一組雞看起來重...
協方差的理解
之前對於協方差一直不是非常理解，今天在做資料探勘作業的時候又再次看到了協方差，所以就想著今天搞懂他。當然，還是要請教李彥巨集大師。通過下文兩篇文章，算是對協方差有了乙個初步的，比較形象的了解了。協方差矩陣 協方差的意義 我們描述乙個一維的資料，可以用數學期望值e x 來表示資料的平均值，也可以用乙個...
協方差 協方差矩陣
期望 離散型隨機變數的一切可能的取值xi與對應的概率pi xi 之積的和稱為該離散型隨機變數的數學期望 設級數絕對收斂 記為 e x 隨機變數最基本的數學特徵之一。它反映隨機變數平均取值的大小。又稱期望或均值。求法 設離散型隨機變數x的取值為 方差 方差是各個資料與平均數之差的平方的平均數。在概率論...