Differences

This shows you the differences between two versions of the page.

--- correlation [2018/04/30 08:20] – [공분산] hkimscil
+++ correlation [2018/04/30 08:23] – [Sum of Products of Deviations] hkimscil
@@ Line 63: / Line 63: @@
 공분산 값은 x와 y의 단위에 의한 영향을 받는다. 따라서 이 값을 x와 y의 표준편차 값으로 나누어 준것을 피어슨의 상관계수 (Pearson's correlation)라고 한다.
 $$ \text{corr(x, y)} = \frac{\text{cov(x, y)}}{sd(x) sd(y)} $$
+아래가 이를 설명한다.
 ====== Pearson's r ======
 Pearson's r:: 두 변인 간의 선형적 관계의 크기와 방향성을 측정하는 방법
@@ Line 82: / Line 83: @@
 \end{eqnarray}
-Deviation score = $(X-\overline{X})$ 이라고 할 때, 우리가 관심이 있는 것은 어떤 한 케이스의 X가 변화할 때, 해당 케이스의 y값이 어떻게 (동시에) 변화하는가이므로, 이 상황에 맞는 deviation score는 $(X-\overline{X})(Y-\overline{Y})$ 라고 할 수 있다. 이에 degress of freedom에 해당하는 $n-1$ 로 나누어 준 값을 X,Y에 대한 Covariance라고 하며, $Cov[X,Y]$ 라고 표기한다. 즉, $ COV_{xy} = \frac{SP}{n}$
+Deviation score = $(X-\overline{X})$ 이라고 할 때, 우리가 관심이 있는 것은 어떤 한 케이스의 X가 변화할 때, 해당 케이스의 y값이 어떻게 (동시에) 변화하는가이므로, 이 상황에 맞는 deviation score는 $(X-\overline{X})(Y-\overline{Y})$ 라고 할 수 있다. 이에 degress of freedom에 해당하는 $n-1$ 로 나누어 준 값을 X,Y에 대한 Covariance라고 하며, $Cov[X,Y]$ 라고 표기한다. 즉, $ COV_{xy} = \frac{SP}{n-1}$
 <WRAP box 500px> 참고: