Difference between r1.7 and the current

@@ -9,7 +9,7 @@

> $\rho_{XY}=\frac{\frac1{n-1}\sum_{i=1}^n(X_i-\bar{X})(Y_i-\bar{Y})}{\sqrt{\frac1{n-1}\sum_{i=1}^n(X_i-\bar{X})^2}\sqrt{\frac1{n-1}\sum_{i=1}^n(Y_i-\bar{Y})^2}}$

식을 잘 보면 [[분자,numerator]] ~~{ pagename confirmed via KmsK:분자 }~~는 공분산과 똑같고

식을 잘 보면 [[분자,numerator]]는 공분산과 똑같고

[[분모,denominator]]{ Ndict:분모 pagename confirmed via KmsK:분모 }는 √(X의 공분산) √(Y의 공분산) 임을 볼 수 있다.

공분산 vs 상관계수

@@ -22,24 +22,32 @@

[[https://terms.naver.com/entry.naver?docId=3338169&cid=47324&categoryId=47324 수학백과: 상관계수]]

WtEn:correlation_coefficient

[[WtEn:correlation_coefficient]] = https://en.wiktionary.org/wiki/correlation_coefficient

두 RV간의 linear relationship의 strength와 direction에 대해 알아내는 방법 중 하나

via KmsK:상관계수 :
표본상관계수 sample correlation .... sample correlation coefficient ? Ndict:표본상관계수 Ggl:표본상관계수
단순상관계수 simple correlation coefficient Ndict:단순상관계수 Ggl:단순상관계수

일반적인 게 Pearson? ~~chk~~

일반적인 게 Pearson.

[[Pearson_correlation_coefficient]] =,Pearson_correlation_coefficient . Pearson_correlation_coefficient

{

Pearson correlation coefficient

피어슨 상관계수

https://freshrimpsushi.github.io/posts/~~pearson-correlation-coefficient~~/

[[WpKo:피어슨_상관_계수]] = https://ko.wikipedia.org/wiki/피어슨_상관_계수

[[WpEn:Pearson_correlation_coefficient]] = https://en.wikipedia.org/wiki/Pearson_correlation_coefficient

https://freshrimpsushi.github.io/ko/posts/57/

} ... NN:"Pearson 상관계수" Bing:"Pearson 상관계수" Ggl:"Pearson 상관계수"

[[WtEn:Spearman's_rank_correlation_coefficient]]

[[WpKo:스피어먼_상관_계수]]

[[WpEn:Spearman's_rank_correlation_coefficient]]

Ndict:상관계수
Ndict:"correlation coefficient"
Ggl:"correlation coefficient"
"correlation coefficient"

[[VG:상관계수,correlation_coefficient]]

= MKL =
[[공분산,covariance]] - 매우 비슷한 개념, 다만 scaling만 다른?

@@ -47,3 +55,6 @@

[[결정계수]]
KmsE:
determination_coefficient ?

----

Up: [[상관,correlation]] [[계수,coefficient]]

상관계수
coefficient of correlation
correlation coefficient

[edit]

via ㄷㅎㅈ 2-2 25m ¶

상관계수(cor. coeff.)

공분산,covariance의 분산,variance으로 스케일,scale한 값 // 스케일링,scaling
−1과 1 ... $\displaystyle -1$ 과 $\displaystyle 1$ 사이의 값으로 제한됨

$\displaystyle \rho_{XY}=\frac{\frac1{n-1}\sum_{i=1}^n(X_i-\bar{X})(Y_i-\bar{Y})}{\sqrt{\frac1{n-1}\sum_{i=1}^n(X_i-\bar{X})^2}\sqrt{\frac1{n-1}\sum_{i=1}^n(Y_i-\bar{Y})^2}}$

식을 잘 보면 분자,numerator는 공분산과 똑같고
분모,denominator{

분모 pagename confirmed via

분모 }는 √(X의 공분산) √(Y의 공분산) 임을 볼 수 있다.

공분산 vs 상관계수

Cov(Height(cm), Weight(kg)) vs. Cov(Height(m), Weight(g))
...같은 경우, 공분산은 다르지만 상관계수는 같음

TODO 이하 WIKIFY NOT DONE

수학백과: 상관계수

correlation_coefficient = https://en.wiktionary.org/wiki/correlation_coefficient

두 RV간의 linear relationship의 strength와 direction에 대해 알아내는 방법 중 하나

via

상관계수 :
표본상관계수 sample correlation .... sample correlation coefficient ?

표본상관계수

표본상관계수
단순상관계수 simple correlation coefficient

단순상관계수

일반적인 게 Pearson.
Pearson_correlation_coefficient =,Pearson_correlation_coefficient . Pearson_correlation_coefficient
{
Pearson correlation coefficient
피어슨 상관계수