1. 协方差公式，离散型和连续型方差计算公式？
方差公式：方差大小意味着：每一个变量（观察值）与总体均数之间的差异。
为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。
总体方差计算公式：离散型随机变量方差计算公式：D（X）=E{[X-E（X）]^2}=E（X^2）-[E（X）]^2；连续型随机变量X方差计算公式：D（X）=（x-μ）^2f（x）dx。扩展资料：方差的性质：
1、设C是常数，则D（C）=02、设X是随机变量，C是常数，则有3、设X与Y是两个随机变量，则其中协方差特别的，当X，Y是两个不相关的随机变量则，此性质可以推广到有限多个两两不相关的随机变量之和的情况。
2. 两个自变量的相关系数怎么算？
1、标准差公式：D(X)=E(X2)-E2(X)；协方差公式：COV（X,Y）=E([X-E(X)][Y-E(Y)])；相关系数公式：协方差/[根号D（X）*根号D（Y）]。
2、相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母r表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
3、相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
4、需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。
5、依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。
3. 协方差的计算公式是什么？
cov(x,y)=EXY－EX*EY
协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论cov(x,y)=EXY－EX*EY
协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论
举例：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02
Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02
此外：还可以计算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相关系数：
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979
表明这组数据X,Y之间相关性很好!
4. 协方差是什么？
协方差是用于衡量两个变量总体误差的统计量，表示的是两个变量的变化趋势是否一致。如果两个变量的变化趋势一致，协方差就是正值；如果两个变量的变化趋势相反，协方差就是负值。协方差与方差不同，方差只表示一个变量的误差。协方差可以通过公式计算得出，也可以通过协方差矩阵来解决多维样本之间的特征联系。
如果两个变量是统计独立的，它们之间的协方差为0，但反过来并不成立1。
5. 相关系数公式？
1、标准差公式：D(X)=E(X2)-E2(X)；协方差公式：COV（X,Y）=E([X-E(X)][Y-E(Y)])；相关系数公式：协方差/[根号D（X）*根号D（Y）]。
2、相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母r表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
3、相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
4、需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。
5、依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。
6. 方差怎么算？
方差是应用数学里的专有名词。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二阶中心动差，恰巧也是它的二阶累积量。方差的算术平方根称为该随机变量的标准差。
方差计算公式
方差是各个数据与其算术平均数的离差平方和的平均数，在实际计算中，我们用以下公式计算方差。
常见方差公式
（1）设c是常数，则D(c)=0。
（2）设X是随机变量，c是常数，则有D(cX)=(c²)D(X)。
（3）设X与Y是两个随机变量，则
D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}
特别的，当X，Y是两个相互独立的随机变量，上式中右边第三项为0（常见协方差），
则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况。
7. 数学中r系数怎么求？
在数学中，r系数通常指的是皮尔逊相关系数（Pearson correlation coefficient），用于描述两个变量之间线性相关程度的大小。其取值范围为-1到1，其中-1表示完全负相关、0表示不相关、1表示完全正相关。
计算皮尔逊相关系数需要使用两个变量的原始数据。具体步骤如下：
1、对两个变量分别进行标准化处理，即将每个变量减去其平均值，再除以标准差，使得两个变量都满足均值为0、标准差为1的标准正态分布。
2、将两个变量的标准化值逐一相乘，得到每组数据的乘积。
3、将所有数据的乘积相加，再除以数据量n，得到标准化之后的两个变量的协方差。
4、用标准差的乘积除以协方差，得到皮尔逊相关系数r的值。
数学公式如下：
r = cov(X, Y) / (SD(X) x SD(Y))
其中，cov(X, Y)表示X和Y的协方差，SD(X)和SD(Y)分别表示X和Y的标准差。
需要注意的是，皮尔逊相关系数只适用于线性相关的情况。如果两个变量之间的关系是非线性的，则需要使用其他相关系数，如斯皮尔曼等级相关系数。
