Probabilités et statistiques · Covariance

Covariance

Pour obtenir la covariance d’échantillon de données appariées, on additionne les produits des écarts aux moyennes, puis on divise par n − 1 : cov = Σ(x − x̄)(y − ȳ)/(n − 1). Elle est positive si x et y tendent à varier dans le même sens, négative si l’une augmente quand l’autre diminue. Chaque produit forme un rectangle signé. Déplacez les points et observez le carré de covariance.

La covariance sur ce graphique

La covariance d’échantillon de données appariées mesure comment deux grandeurs varient ensemble. On additionne les produits des écarts aux moyennes et on divise par n−1n - 1 : cov⁡(x,y)=1n−1∑(xi−xˉ)(yi−yˉ)\operatorname{cov}(x, y) = \frac{1}{n-1}\sum (x_i - \bar{x})(y_i - \bar{y}). Chaque terme est le produit des deux écarts d’un point, représenté par le rectangle entre le point et le centre (xˉ,yˉ)(\bar{x}, \bar{y}). Les points en haut à droite ou en bas à gauche du centre donnent des rectangles positifs ; ceux des deux autres quadrants, des rectangles négatifs. Les axes utilisent la même unité et la même échelle, ce qui respecte les aires. L’aire du carré central est la valeur absolue de la covariance. Il s’étend vers la droite pour une covariance positive et vers la gauche pour une covariance négative.

Comment interpréter sa grandeur ?

La covariance a pour unité le produit des unités de xx et de yy. Ajouter une constante à toutes les valeurs de xx ne change rien. En revanche, exprimer xx dans une unité dix fois plus petite multiplie la covariance par dix. Son signe indique si les points tendent à suivre une droite montante ou descendante ; sa grandeur seule ne mesure pas la force du lien. Diviser par les deux écarts-types élimine les unités et donne le coefficient de corrélation r=cov⁡(x,y)/(sxsy)r = \operatorname{cov}(x, y)/(s_x s_y). En appariant xx avec elle-même, on obtient des carrés et sa covariance est alors sa variance. Le diviseur n−1n - 1 est celui de la variance d’échantillon ; diviser par nn donne la covariance du jeu de données lui-même.

Pourquoi détermine-t-elle la dispersion d’une somme ?

Pour chaque point, (dx+dy)2=dx2+dy2+2dxdy(d_x + d_y)^2 = d_x^2 + d_y^2 + 2d_x d_y, où dxd_x et dyd_y sont ses écarts aux moyennes. En prenant les moyennes de la même façon, on obtient exactement var⁡(x+y)=var⁡x+var⁡y+2cov⁡(x,y)\operatorname{var}(x + y) = \operatorname{var} x + \operatorname{var} y + 2\operatorname{cov}(x, y). Quand xx et yy varient ensemble, les écarts se renforcent et la variance de la somme dépasse la somme des variances. Quand elles varient en sens opposés, les écarts se compensent en partie et la somme peut varier moins que chacun de ses termes. Combiner des grandeurs qui évoluent en sens opposés stabilise ainsi un total. Si « Somme x + y » est activé, chaque point est reporté sur la diagonale passant par le centre en suivant une droite à x+yx + y constant : la dispersion des marques représente celle des sommes.

À observer

  • Une covariance nulle ne signifie pas que les grandeurs sont sans lien : sur une parabole les contributions peuvent se compenser exactement. La covariance ne mesure qu’une tendance linéaire.
  • Un point loin du centre sur les deux axes peut fournir à lui seul la majeure partie de la covariance.
  • Chaque rectangle compte en entier, y compris lorsqu’ils se chevauchent. Les zones communes ne s’assombrissent pas.

Commandes

  • Cliquez dans une zone vide pour ajouter un point. Sélectionnez-le et appuyez sur Suppr pour l’effacer ou sur les flèches pour le déplacer.

À voir aussi