เมนูนำทาง
ความแปรปรวนร่วมเกี่ยว นิยามความแปรปรวนร่วมเกี่ยวระหว่างสองตัวแปรสุ่ม X และ Y ที่มีค่าsecond momentจำกัด คือ
Cov ( X , Y ) = E [ ( X − E [ X ] ) ( Y − E [ Y ] ) ] , {\displaystyle \operatorname {Cov} (X,Y)=\operatorname {E} {\big [}(X-\operatorname {E} [X])(Y-\operatorname {E} [Y]){\big ]},}โดย E[X] คือ ค่าคาดหมาย (expected value) ของ X
นิยามข้างต้นสามารถทำให้สั้นลงได้เป็น: Cov ( X , Y ) = E [ X Y ] − E [ X ] ⋅ E [ Y ] . {\displaystyle \operatorname {Cov} (X,Y)=\operatorname {E} {\big [}XY{\big ]}-\operatorname {E} [X]\cdot \operatorname {E} [Y].}
สำหรับเวกเตอร์สุ่ม X และ Y ที่มีขนาดไม่เท่ากัน โดย X มีขนาด m×1 และ Y มีขนาด n×1 แล้ว เมตริกซ์ความแปรปรวนร่วมเกี่ยวของ X และ Y จะเป็นเมตริกซ์ขนาด m×n ที่เท่ากับ: Cov ( X , Y ) = E [ ( X − E [ X ] ) ( Y − E [ Y ] ) ′ ] = E [ X Y ′ ] − E [ X ] E [ Y ] ′ , {\displaystyle \operatorname {Cov} (X,Y)=\operatorname {E} {\big [}(X-\operatorname {E} [X])(Y-\operatorname {E} [Y])'{\big ]}=\operatorname {E} {\big [}XY'{\big ]}-\operatorname {E} [X]\operatorname {E} [Y]',} โดย M ′ คือ เมทริกซ์สลับเปลี่ยนของM
สมาชิกแถว i หลัก j ของ Cov(X,Y) จะเท่ากับค่าความแปรปรวนร่วมเกี่ยว Cov(Xi, Yj) ระหว่างสมาชิกที่ i ของ X และสมาชิกที่ j ของ Y
Cov(Y, X) จะเท่ากับเมทริกซ์สลับเปลี่ยนของ Cov(X, Y).
ตัวแปรสุ่มสองตัวที่มีค่าความแปรปรวนร่วมเกี่ยวระหว่างกันเป็น 0 จะเรียกว่า ตัวแปรทั้งสองไม่มีสหสัมพันธ์กัน (uncorrelated)
หน่วยของความแปรปรวนร่วมเกี่ยว Cov(X, Y) จะคือ หน่วยของ X คูณหน่วยของ Yแต่สำหรับสหสัมพันธ์ (correlation) สหสัมพันธ์ไม่มีหน่วย
เมนูนำทาง
ความแปรปรวนร่วมเกี่ยว นิยามใกล้เคียง
ความแพร่หลายของภาษาสเปน ความแตกแยกระหว่างตีโต-สตาลิน ความแตกแยกระหว่างจีน–โซเวียต ความแม่นยำเท็จ ความแปรปรวนร่วมเกี่ยว ความแข็งของธาตุ (หน้าข้อมูล) ความแปรปรวนของสภาพอากาศ ความแป้น ความแข็งแกร่งของรหัสผ่าน ความแผ่รังสีแหล่งที่มา
WikiPedia: ความแปรปรวนร่วมเกี่ยว http://mathworld.wolfram.com/Covariance.html