Covariance Matrix   공분산 행렬

(2023-07-23)

상관계수 행렬


1. 공분산 행렬 (Covariance Matrix), 상관계수 행렬 (Correlation Coefficient Matrix)

  ㅇ 2 이상의 변량들에서, 다수의 두 변량 값들 간의 공분산 또는 상관계수들을 행렬로 표현한 것

  ㅇ 확률벡터분산 표현 =>  공분산 행렬 : Var [x]

       

     - 여기서, 
        . 대칭 행렬 : {# σ_{ij} = σ_{ji} #}
        . 공분산 : {# Cov[X,Y] = σ_{XY} = E[(X-μ_X)(Y-μ_Y)] = \sum_x \sum_y (x-μ_X)(y-μ_Y) p(x,y) #}
        . 분산 : {# Cov[x_i,x_i] = Var[x_i] = σ_{ii} = σ_{i}^2 #}


2. 공분산 행렬 특징공분산 행렬대칭행렬 임
     - 例) 3개 변량 있으면, 3 x 3 대칭행렬

  ㅇ (i,j) 요소 값은, 두 변량 xi, xj 간에 구해진 공분산 값 임

  ㅇ (i,i) 요소 값은, 동일 변량 xi 자신의 분산 값인 Var[xi] 임 


3. 공분산 행렬의 계산 및 해석 例)

  

  ㅇ x1,x2 간에는, 상관성 없음
     - σ12 : (0.000)
  ㅇ x1,x3 및 x2,x3 간에는, 같은 정도의 상관성 보임
     - σ13 : (0.167)
     - σ23 : (0.167)
  ㅇ x3은, x1,x2 보다 자체 데이터 분산이 작음
     - σ33 : (0.250)
     - σ1122 : (0.333)

다변량 분포
   1. 다변량 랜덤변수   2. 독립항등분포   3. 공분산 행렬  
상관분석
   1. 상관성   2. 상관분석   3. 공분산,상관계수   4. 공분산 행렬  


Copyrightⓒ written by 차재복 (Cha Jae Bok)               기술용어해설 후원
"본 웹사이트 내 모든 저작물은 원출처를 밝히는 한 자유롭게 사용(상업화포함) 가능합니다"