공분산 구하는 방법
- 공분산을 구할 두 열을 머리글과 함께 복사합니다.
- 변수 X와 변수 Y에 서로 다른 열을 고릅니다.
- 분석하기 버튼을 누르고 정보창의 공분산 값과 자동 해석을 확인합니다.
예제 데이터로 보는 결과
예제 데이터는 공정 온도(150.7~188.9℃)와 수율(68.9~85.0%) 20쌍입니다.
공분산은 43.96으로 양수라서, 온도가 평균보다 높을 때 수율도 평균보다 높은 경향(함께 증가)이 있습니다. 공분산의 단위는 '℃ × %'라 43.96이라는 크기 자체로 관계가 강한지 약한지는 판단할 수 없습니다.
같은 데이터의 온도를 ℉ 눈금(×1.8)으로 바꾸면 공분산은 79.12로 커지지만 관계는 그대로입니다. 공분산을 두 표준편차(10.56℃, 4.726%)로 나누면 단위가 없는 Pearson r = 0.8803이 되어, 이것으로 강도를 비교합니다.
계산 방법
공분산 = Σ(x - x̄)(y - ȳ) / (n - 1)인 표본 공분산입니다(엑셀 COVARIANCE.S, numpy cov와 같음). X나 Y가 빈 칸·문자인 행은 빼고, 짝지어진 데이터가 3개 이상 있어야 계산합니다.
공분산과 상관계수
공분산을 X와 Y의 표준편차로 나누면 Pearson 상관계수 r이 됩니다. 공분산은 단위가 'X 단위 × Y 단위'라서 크기만으로는 관계의 강도를 비교할 수 없고, 방향(부호)을 보는 데 씁니다. 강도는 상관계수로 비교하세요.
공분산 해석 방법
- 공분산이 +이면 한쪽이 클 때 다른 쪽도 큰 경향(함께 증가), -이면 반대 경향입니다. 0에 가까우면 뚜렷한 방향이 없습니다.
- 단위를 바꾸면(예: ℃→℉, mm→μm) 공분산의 크기도 바뀝니다. 서로 다른 변수 쌍의 공분산 크기를 직접 비교하지 마세요.
- 공분산은 다변량 분석(주성분 분석, 공분산행렬)의 기본 재료입니다. 여러 변수를 한 번에 보려면 공분산행렬을 쓰세요.
자주 묻는 질문
COVARIANCE.P와 COVARIANCE.S 중 어느 것과 같나요?
n-1로 나누는 표본 공분산이라 COVARIANCE.S와 같습니다.
공분산이 크면 관계가 강한가요?
아닙니다. 값의 크기는 단위에 좌우됩니다. 강도는 Pearson 상관계수로 판단하세요.
분산과는 어떤 관계인가요?
X와 X 자신의 공분산이 X의 분산입니다. 공분산행렬의 대각선이 각 변수의 분산입니다.