读者们，大家好！在本文中，我们将详细讨论统计学的两个重要参数--R 编程中的协方差和相关性。

那么，让我们开始吧！

R编程中的协方差

在统计学中，协方差 是对数据集两个变量之间关系的度量。也就是说，它描述了两个变量相互关联的方式。

例如，当两个变量高度正相关时，这两个变量朝同一方向前进。

在数据科学和机器学习领域，协方差在建模之前的数据预处理中是有用的。

在R编程中，我们利用cov()函数来计算两个数据帧或向量之间的协方差。

示例：

我们为cov()函数提供了以下三个参数--

• x -向量1
• y -向量2
• 方法-任何计算协方差的方法，如Pearson，Spearman。默认方法是Pearson。

1a <- c(2,4,6,8,10) 
2
3b <- c(1,11,3,33,5) 
4
5print(cov(a, b, method = "spearman"))

输出：

1> print(cov(a, b, method = "spearman")) 
2[1] 1.25

R编程中的相关性

统计基础上的相关性 是根据数据的移动找出变量之间关系的方法。也就是说，它帮助我们分析在数据集的一个变量中所做的更改对另一个变量的影响。

当两个变量高度(正)相关时，我们说这两个变量描述了相同的信息，并且对数据集的其他数据变量具有相同的影响。

R中的cor()函数使我们能够计算数据集或向量的变量之间的相关性。

示例：

1a <- c(2,4,6,8,10) 
2
3b <- c(1,11,3,33,5) 
4
5corr = cor(a,b)
6print(corr)
7
8print(cor(a, b, method = "spearman"))

输出：

1> print(corr)
2[1] 0.3629504
3
4> print(cor(a, b, method = "spearman")) 
5[1] 0.5

R中的协方差到相关性

R为我们提供了cov2cor()函数来将协方差值转换为相关性。它将协方差矩阵转换为值的相关矩阵。

注意：传递给Build matrix](/community/tutorials/matrix-operations-in-r)()的向量或值需要是[平方cov！

示例：

在这里，我们传递了两个向量a和b，使它们遵守方阵的所有项。此外，使用cov2cor()函数，我们为每对数据值获得了对应的相关矩阵。

1a <- c(2,4,6,8) 
2
3b <- c(1,11,3,33) 
4
5covar = cov(a,b)
6print(covar)
7
8res = cov2cor(covar)
9print(res)

输出：

1> covar = cov(a,b)
2> print(covar)
3[1] 29.33333
4
5> print(res)
6     [,1] [,2] [,3]
7[1,] 6000 21 1200
8[2,]    5 32 2100
9[3,]   12 500 3200

结论

至此，我们已经结束了这个话题。在这里，我们已经了解了在R中计算相关性和协方差的内置函数。此外，我们甚至在R中看到了帮助我们将协方差值转换为相关性数据的函数。

如果你遇到任何问题，请随时在下面发表评论。更多与R有关的帖子，敬请关注。

学习快乐！：)