1 方差
1.1 先要搞清楚：谁的方差
- 一组数据的方差，没有加权信息，一般认为是 等概率的，按个数进行平均算方差
- 随机变量的方差，因为有概率作为权重，需要按概率算方差
1.2 有问题的常见说法（需要指明，对于随机变量才是这样）
常见说法，说到方差，一般把期望和方差成对出现一起说
- 什么是期望？ 期望是一种平均值，出自赌博，是用概率做权重，随机变量的特殊平均值。
- 什么是方差？ 方差是用来衡量数据的集中/离散程度的指标
- 这两种说法，有一个前提，就是默认指的是随机变量
- 只有随机变量才有期望，随机变量的方差公式和普通的数列方差并不一样
- 随机变量的，方差和期望是存在关系的 D(x)=E(x^2)-[E(x)]^2
1.3 非随机变量也有方差，这个更普遍
- 如果只是一组数据，虽然没有数学期望，但是有平均值
- 如果只是一组数据，也是有方差的
- 平均值，是衡量这组数据集中趋势，算出来结果是样本数集中较多的某个处于某种中心数值衡量值。（可能需要用算术/几何/调和等各种平均数选1处理）
- 什么是方差？ 方差是用来衡量随机变量的集中/离散程度的指标
2 协方差
2.1 协方差，方差，协方差矩阵
协方差和方差的意义，完全不同
- 协方差是查看2个变量的相关性
- 方差是反映1个随机变量的离散程度
- 协方差矩阵，是反映3个或以上变量的相关性
2.2 方差和协方差
2.2.1 某个角度可以说，方差是协方差的特例
- 某个角度可以说，方差是协方差的特例
- 但是协方差的公式，其实早就存在方差公式的衍生相关里
cov(X,Y) =E(X-E(X))*(Y-E(Y))
当 X=Y时，cov(X,Y) = var(X)
cov(X,X) =E(X-E(X))*(X-E(X)) =E(X^2)-E(X)^2 -E(X*E(X)) + E(X*E(X)) =E(X^2)-E(X)^2
2.2.2 可以用计算 X, Y 方差公式的方法，包含了协方差
2.3 协方差的意义
协方差就是用来衡量两个样本之间的相关性有多少
也就是一个样本的值的偏离程度，会对另外一个样本的值偏离产生多大的影响文章来源：https://www.toymoban.com/news/detail-438968.html
- 当 cov(X, Y)>0时，表明 X与Y 正相关；
- 当 cov(X, Y)<0时，表明X与Y负相关；
- 当 cov(X, Y)=0时，表明X与Y不相关。
2.4 协方差矩阵的意义
- 3个或以上变量的相关离散性
3 协方差的意义---相关系数
- 协方差，主要就是用来看相关性的
- 协方差与相关系数
文章来源地址https://www.toymoban.com/news/detail-438968.html
到了这里，关于概率论的学习和整理13--方差和协方差（未完成）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
