2016-03-23 10 views
0

Also wenn ich die R Programmiersprache benutze (die ich sehr neu bin) habe ich eine 4x2 Matrix "gg" und wenn ich var (gg) mache, gibt es eine 2x2 Matrix als folgt.R sprache, var matrix gibt negative werte

> gg <- matrix(c(4,2,4,5, 9, 14, 2, 32), nrow = 4, ncol = 2, byrow = TRUE) 
> gg 
    [,1] [,2] 
[1,] 4 2 
[2,] 4 5 
[3,] 9 14 
[4,] 2 32 

> var(gg) 
      [,1] [,2] 
[1,] 8.916667 -11.25 
[2,] -11.250000 182.25 

jetzt verstehe ich, dass die 8.916 und die 182,25 die Varianzen der ersten und zweiten Spalte sind.

Aber was ist die -11,5?

Ich habe gelesen, dass es eine berechnete Kovarianz oder Korrelation sein könnte? Eine Kovarianz kann jedoch nicht negativ sein und eine Korrelation muss zwischen -1 und 1 liegen, damit -11.5 keine dieser beiden Bedingungen erfüllt. Also verstehe ich wirklich nicht, was dieses -11.5 darstellt?

+1

Es sollte die Kovarianz zwischen der ersten und der zweiten Spalte dh 'cov (gg [1], gg [2]) sein, # [1] -11.25'. In der Regel hat die Varianzmatrix Diagonalen als Varianz und Offdiagonale als Kovarianz. – akrun

+3

Vergleichen mit 'cov (gg [, 1], gg [, 2]); Summe ((gg [, 1] -Mittel (gg [, 1])) * (gg [, 2] -Mittel (gg [, 2])))/(nrow (gg) -1) Negative Kovarianz bedeutet a Inverse Abhängigkeit (im Sinne einer linearen Regression): größere Werte in 'gg [, 2]' implizieren niedrigere Werte in 'gg [, 1]' – jogo

+0

Ja, du hast Recht, ich weiß nicht, was ich dachte, Kovarianz kann nicht negativ sein, Wenn jemand das in einer tatsächlichen Antwort schreiben möchte, werde ich es akzeptieren. –

Antwort

1

var(gg) wo gg ist eine Matrix aus Spalten x und y Rückkehr:

cov(xx), cov(xy) 
cov(yx), cov(yy) 

cov(xy) = cov(yx) because cov is defined as 
E((x - xbar)(y - ybar)) = E((y - ybar)(x - xbar))