Korelasi dianggap sebagai alat terbaik untuk mengukur dan menyatakan hubungan kuantitatif antara dua pembolehubah dalam formula. Sebaliknya, kovarians adalah apabila dua item berbeza-beza. Bacalah artikel yang diberikan untuk mengetahui perbezaan antara kovarians dan korelasi.
Carta Perbandingan
| Asas untuk Perbandingan | Kovarians | Korelasi |
|---|---|---|
| Makna | Kovarians adalah ukuran yang menunjukkan sejauh mana dua pemboleh ubah rawak berubah seiring. | Korelasi adalah ukuran statistik yang menunjukkan seberapa kuat dua pembolehubah berkaitan. |
| Apa itu? | Ukur korelasi | Versi covariance skala |
| Nilai | Berbaring antara -∞ dan + ∞ | Berbaring antara -1 dan +1 |
| Perubahan dalam skala | Kesan kovarians | Tidak menjejaskan korelasi |
| Langkah percuma unit | Tidak | Ya |
Definisi Kovarians
Kovarians adalah istilah statistik, yang ditakrifkan sebagai hubungan sistematik antara sepasang pemboleh ubah rawak yang mana perubahan dalam satu pemboleh ubah yang dihubungkan dengan perubahan setara dalam pemboleh ubah yang lain.
Kovarians boleh mengambil sebarang nilai di antara -∞ hingga + ∞, di mana nilai negatif adalah penunjuk hubungan negatif manakala nilai positif mewakili hubungan positif. Selanjutnya, ia menentukan hubungan linear antara pembolehubah. Oleh itu, apabila nilai itu sifar, ia tidak menunjukkan hubungan. Di samping itu, apabila semua pemerhatian sama ada pembolehubah adalah sama, kovarian akan menjadi sifar.
Dalam Kovarians, apabila kita menukar unit pemerhatian pada mana-mana atau kedua-dua kedua-dua pembolehubah, maka tidak ada perubahan kekuatan hubungan antara dua pembolehubah tetapi nilai kovarians diubah.
Definisi Korelasi
Korelasi digambarkan sebagai ukuran dalam statistik, yang menentukan sejauh mana dua atau lebih pemboleh ubah rawak bergerak seiring. Semasa kajian dua pemboleh ubah, jika diperhatikan bahawa pergerakan dalam satu pembolehubah, disaluti oleh pergerakan setaraf dengan pembolehubah lain, dalam beberapa cara atau yang lain, maka pembolehubah dikatakan berkorelasi.
Korelasi adalah dua jenis iaitu korelasi positif atau korelasi negatif. Pembolehubah dikatakan secara positif atau berkorelasi secara langsung apabila kedua pemboleh ubah berpindah ke arah yang sama. Sebaliknya, apabila kedua pembolehubah bergerak ke arah yang bertentangan, korelasi adalah negatif atau songsang.
Nilai korelasi terletak antara -1 hingga +1, di mana nilai yang hampir kepada +1 mewakili korelasi positif yang kuat dan nilai-nilai yang hampir kepada -1 adalah penunjuk korelasi negatif yang kuat. Terdapat empat ukuran korelasi:
- Gambar rajah
- Pekali korelasi momen produk
- Pekali korelasi peringkat
- Pekali penyimpangan serentak
Perbezaan Utama Antara Kovarians dan Korelasi
Perkara-perkara berikut perlu diperhatikan sejauh mana perbezaan antara kovarians dan korelasi yang berkenaan:
- Satu langkah yang digunakan untuk menunjukkan sejauh mana dua pemboleh ubah rawak yang berubah dalam tandem dikenali sebagai kovarians. Satu langkah yang digunakan untuk mewakili seberapa kuat dua pemboleh ubah rawak yang berkaitan dikenali sebagai korelasi.
- Kovarians bukanlah satu ukuran korelasi. Sebaliknya, korelasi merujuk kepada bentuk kovarian yang berskala.
- Nilai korelasi berlaku antara -1 dan +1. Sebaliknya, nilai kovarians terletak di antara -∞ dan + ∞.
- Kovarians terjejas oleh perubahan dalam skala, iaitu jika semua nilai satu pembolehubah didarabkan dengan pemalar dan semua nilai pembolehubah lain dikalikan, dengan pemalar yang sama atau berbeza, maka kovarians diubah. Sebaliknya, korelasi tidak dipengaruhi oleh perubahan skala.
- Korelasi adalah tidak berdimensi, iaitu ukuran bebas unit hubungan antara pembolehubah. Tidak seperti kovarians, di mana nilai diperolehi oleh produk unit dua pembolehubah.
Kesamaan
Kedua-dua langkah hanya hubungan linear antara dua pembolehubah, iaitu apabila pekali korelasi adalah sifar, kovarian juga sifar. Tambahan pula, kedua-dua langkah itu tidak terjejas oleh perubahan lokasi.
Kesimpulannya
Korelasi adalah kes kovarians khas yang boleh diperolehi apabila data itu diseragamkan. Kini, apabila ia membuat pilihan, yang merupakan ukuran yang lebih baik dalam hubungan antara dua pembolehubah, korelasi lebih disukai berbanding kovarians, kerana ia tidak terjejas oleh perubahan lokasi dan skala, dan juga boleh digunakan untuk membuat perbandingan antara dua pasang pembolehubah.
