Excel 求助关于协方差的计算

1. Excel 求助关于协方差的计算

Excel里面有两个协方差函数：COVARIANCE.P和COVARIANCE.S其中：COVARIANCE.P的公式如下，用来计算全集：COVARIANCE.S的公式如下，用来计算样本：用法如下：

2. 如何用excel计算协方差矩阵

1，首先，打开excel表，鼠标点击要编辑的单元格；

2，点击菜单栏的公式——“插入函数”；

3，在函数对话框内输入“COVARIANCE.P”，点击确定；

4，接下来设置函数参数，在ARRAY1处输入A2:A8；

5，在ARRAY2处输入B2:B8；

6，点击确定后就获得了销售量的协方差。

3. 如何用excel计算协方差矩阵

操作步骤
　　1.
打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。
　　2.
选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择:
　　输入区域:选择数据区域，注意需要满足至少两组数据。如果有数据标志，注意同时勾选下方“标志位于第一行”；
　　分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择；
　　输出区域可以选择本表、新工作表组或是新工作簿；
　　3.点击“确定”即可看到生成的报表。
　　可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。
　　从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。
　　协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在
-1
和
+1
之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。

4. 在excel中怎么算协方差矩阵

操作步骤
1. 打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。

2. 选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择:
输入区域:选择数据区域，注意需要满足至少两组数据。如果有数据标志，注意同时勾选下方“标志位于第一行”；

分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择；
输出区域可以选择本表、新工作表组或是新工作簿；

3.点击“确定”即可看到生成的报表。

可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。

从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。
协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在 -1 和 +1 之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。

5. 怎么求协方差

6. 怎样求方差，怎样求协方差？

对于二维随机变量(X,Y)
方差Var(2X-Y)
=Var(2X)+Var(Y)-2Cov(2X,Y)
=4Var(X)+Var(Y)-4Cov(X,Y)
因为X,Y独立，即X,Y不相关，因此协方差Cov(X,Y)=0
=4Var(X)+Var(Y)
示例
已知某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图1：甲仪器测量结果：a，乙仪器测量结果：全是a。
两台仪器的测量结果的均值都是 a 。但是用上述结果评价一下两台仪器的优劣，很明显，我们会认为乙仪器的性能更好，因为乙仪器的测量结果集中在均值附近。
由此可见，研究随机变量与其均值的偏离程度是十分必要的。那么，用怎样的量去度量这个偏离程度呢?容易看到E[|X-E[X]|]能度量随机变量与其均值E（X）的偏离程度。但由于上式带有绝对值，运算不方便，通常用量E[（X-E[X]）2] 这一数字特征就是方差。

7. 在excel用数据计算样本方差——协方差矩阵

1、样本方差的无偏估计可由下式获得。

2、方差只能用于解释平行于特征空间轴方向的数据传播。

3、对于这个数据，可以计算出在x方向上的方差和y方向上的方差。然而，数据的水平传播和垂直传播不能解释明显的对角线关系。这种相关性可以通过扩展方差概念到所谓的数据“协方差”捕捉到。

4、如果数据的协方差矩阵是对角矩阵，使得协方差是零，那么这意味着方差必须等于特征值λ。如图所示，特征向量用绿色和品红色表示，特征值显然等于协方差矩阵的方差分量。 

5、然而，如果协方差矩阵不是对角的，使得协方差不为零，那么情况稍微更复杂一些。特征值仍代表数据最大传播方向的方差大小，协方差矩阵的方差分量仍然表示x轴和y轴方向上的方差大小。但是，因为数据不是轴对齐的。 

8. 知道协方差怎么求方差?

A的均值：16×1/4+12×1/2+8×1/4＝12  A的标准差：  √(16-12)^2×1/4+(12-12)^2×1/2+(8-12)^2×1/4  =2.83  B的均值：4×1/3+6×1/3+8×1/3＝6  B的标准差：  √(4-6)^2×1/3+(6-6)^2×1/2+(8-6)^2×1/3  =1.63  A和B的相关系数：  [（16-12）×（4-6）+（12-12）×（6-6）+（8-12）×（8-6）]÷{[（16-12）^2+(12-12)^2+(8-12)^2]×[（4-6）^2+（6-6）^2+（8-6）^2] } =0  AB组合的协方差：0×2.83×1.63＝0