Kovarianz
Die Kovarianz ist in der Statistik eine Maßzahl für den Zusammenhang zweier statistischer Merkmale und . Die Kovarianz ist positiv, wenn und tendenziell einen gleichsinnigen linearen Zusammenhang besitzen, d.h. hohe Werte von gehen mit hohen Werten von einher und niedrige mit niedrigen. Die Kovarianz ist hingegen negativ, wenn und einen gegensinnigen linearen Zusammenhang aufweisen, d.h. hohe Werte der einen Zufallsvariablen gehen mit niedrigen Werten der anderen Zufallsvariablen einher. Ist dieser Zusammenhang stark, so erhält man einen betragsmäßig großen Wert, bei nur schwachem Zusammenhang erhält man einen Wert nahe bei 0.Die Kovarianz in ihrer "Rohform" ist als Maßzahl für den stochastischen Zusammenhang jedoch nur wenig anschaulich und auch schwer vergleichbar. Um einen Zusammenhang vergleichbar zu machen, muß die Kovarianz standardisiert werden. Man erhält dann die Korrelation, deren Maßzahl sich zwischen +1 (perfekter stochastischer Zusammenhang), 0 (gar kein stochastischer Zusammenhang) und -1 (perfekter gegensätzlicher stochastischer Zusammenhang) bewegt.
= Kovarianz zweier Zufallsvariablen =
Table of contents |
2 Eigenschaften |
Definition
Sind und zwei Zufallsvariablen mit existierendem Erwartungswert, so heißt
Der Verschiebungsatz liefert eine alternative Darstellung der Kovarianz
Die Kovarianz der transformierten Zufallsvariablen und
Falls , so sind die Zufallsvariablen und unkorreliert.
=Kovarianz zweier Merkmale einer Stichprobe=
Es werden für zwei Zufallsvariablen X und Y in einer Stichprobe je n Werte xi und yi (i = 1, ... . n) erhoben. Man schätzt die Kovarianz der Zufallsvariablen mit der Stichproben-Kovarianz
Die restlichen Eigenschaften ergeben sich ebenfalls analog zu oben.
= Verweise =
Siehe auch: Varianz, Kovarianzmatrix, Korrelation
Kovarianz bezeichnet in der Physik, dass sich die Form einer Gleichung unter Lorentz-Transformationen nicht verändert. So sind beispielsweise die Newtonschen Bewegungsgleichungen nicht kovariant, die Klein-Gordon-Gleichung dagegen ist kovariant.
In der Informatik wird die Spezialisierung oder Verfeinerung in Vererbungshierarchien auch als Kovarianz bezeichnet.
Beispiel:
Siehe auch: Kontravarianz, Korrelation
Eigenschaften
Verschiebungssatz
Symmetrie
Lineare Transformation
ist
Diese Eigenschaft bedeutet, dass die Kovarianz vom Maßstab der Zufallsvariablen abhängt.
So erhält man beispielsweise die zehnfache Kovarianz, wenn man anstatt
die Zufallsvariable betrachtet. Dies ist eine Eigenschaft, welche die absoluten Werte
eines Zusammenhangsmaßes schwer interpretierbar macht,
deshalb betrachtet man häufig den maßstabsunabhängigen Korrelationskoeffizienten.
Unkorreliertheit
Unkorreliertheit bedeutet nicht zwingend, dass die Zufallsvariablen stochastisch unabhängig sind, denn es können nichtlineare Abhängigkeitsstrukturen vorliegen, die die Kovarianz nicht erfassen kann. Dagegen gilt für zwei stochastisch unabhängige Zufallsvariablen und immer .
mit
Auch hier gilt analog zu oben der Verschiebungssatz
Der Verschiebungssatz wird vor allem angewendet, wenn die Kovarianz von Hand ermittelt wird. Wird die Stichproben-Kovarianz mit dem Computer berechnet, sollte der Verschiebungssatz nicht gebraucht werden, weil das Multiplizieren der Datenwerte zu Rundungsfehlern führen kann. Dagegen sind die zentrierten Datenwerte und betragsmäßig deutlich kleiner.
Ist t der Typ einer kovarianten Methode einer Klasse k,
und ist k' eine Unterklasse von k,
so ist der Typ dieser Methode in k' ein Untertyp t' von t.class T {
T* self () { return this; }
...
}
class S : T {
S* self () { return this; }
...
}
Wird Kovarianz in Parametertypen verwendet,
so kann der Vertrag der Oberklasse verletzt werden,
wenn Obertypsobjekte nicht mehr als Parameter zulässig sind.
Stattdessen bieten viele Programmiersprachen das Konzept des Überladens an.