Kovaryans Matrisi
Covariance Matrix / Dispersion Matrix
Tanım
🔹 1. (covariance matrix):
Bir veri setindeki birden fazla değişkenin kendi içindeki varyanslarını ve ikili kombinasyonlar halindeki kovaryanslarını organize eden kare biçimli matematiksel matristir.
🔹 2. (dispersion matrix):
Çok değişkenli istatistikte, iki veya daha fazla rastgele değişken arasındaki varyans ve kovaryansları içeren kare matris.
Örnek Vaka / Uygulama
🔹 1. (covariance matrix): Klinik psikoloji araştırmasında, katılımcıların anksiyete, depresyon ve stres ölçeklerinden aldıkları puanların birbirleriyle olan ilişkilerini incelemek istiyoruz. Üç değişken için hesaplanan 3x3lük kovaryans matrisinde, köşegendeki değerler her bir ölçeğin kendi içindeki saçılımını (varyansını) verirken, köşegen dışındaki alanlar örneğin anksiyete ile depresyon puanlarının birlikte nasıl dalgalandığını sayısal olarak ortaya koyar. 🔹 2. (dispersion matrix): Bir psikiyatri kliniğinde hastaların depresyon skoru, anksiyete skoru ve uyku bozukluğu süresi üzerindeki ortak değişimini inceleyen bir araştırmada, bu üç değişkenin birbiriyle olan ilişkilerini ve saçılım derecelerini tek bir matris formatında özetlemek için kovaryans matrisi hesaplanır.
Derin Analiz
🔹 1. (covariance matrix):
Çok değişkenli istatistikte ve psikometride kovaryans matrisi, rassal vektörlerin bileşenleri arasındaki doğrusal ilişkinin yönünü ve büyüklüğünü betimleyen temel bir matematiksel yapıdır. P boyutlu bir veri setinde matris p x p boyutlarındadır. Köşegen üzerindeki (diagonal) elemanlar her bir değişkenin kendi varyansını temsil ederken, köşegen dışındaki hücreler değişken çiftleri arasındaki ortak değişimi (kovaryans) yansıtır. Faktör analizi, temel bileşenler analizi (PCA) ve yapısal eşitlik modellemesinde (SEM) gizil yapıların ortaya çıkarılmasında merkezi bir rol oynar. Matrisin simetrik ve yarı pozitif tanımlı olması, çok değişkenli normal dağılımın modellenmesinde matematiksel zorunluluktur.
🔹 2. (dispersion matrix):
Kovaryans matrisi veya dağılım matrisi, $p$ boyutlu bir rastgele vektörün bileşenleri arasındaki doğrusal ilişkilerin ve saçılımın nicel bir özetini sunar. Köşegen üzerindeki (diagonal) elemanlar her bir değişkenin kendi varyansını temsil ederken, köşegen dışındaki (off-diagonal) elemanlar değişken çiftleri arasındaki kovaryans değerlerini barındırır. Çok değişkenli normal dağılımın parametre tahmininde, faktör analizinde ve temel bileşenler analizinde (PCA) temel bir girdi olarak kullanılır. Matrisin simetrik ve pozitif yarı-tanımlı olması, çok değişkenli istatistiksel modellerin matematiksel tutarlılığı açısından zorunludur.
Etimoloji
🔹 1. (covariance matrix):
Latince 'co-' (birlikte) + 'variare' (değişmek) kökünden türetilen 'covariance' (birlikte değişim) ile Yunanca 'metra' (ölçü) kökünden gelen 'matrix' kelimelerinin birleşimi.
🔹 2. (dispersion matrix):
Latince 'dispersio' [dağılma, saçılma] (dis- [ayrı, öteye] + spargere [saçmak]) ve Latince 'matrix' [dişi hayvan, kaynak, rahim] kelimelerinin birleşiminden türetilmiştir.
Karıştırmayın
🔹 1. (covariance matrix):
Korelasyon matrisi ile sıkça karıştırılır; korelasyon matrisi değişkenlerin ölçeklerinden bağımsız olarak standartlaştırılmış ilişkileri (-1 ile +1 arası) gösterirken, kovaryans matrisi orijinal verinin birimlerine ve ölçüm ölçeğine duyarlıdır.
🔹 2. (dispersion matrix):
Korelasyon matrisi ile karıştırılır; korelasyon matrisi birimsizleştirilmiş ve -1 ile +1 arasında standardize edilmiş değerler içerirken, kovaryans matrisi orijinal verinin birimlerine ve ölçeğine bağlıdır.
Keşfetmeye Devam Edin
Kovaryans
Kovaryans
Covariance
İki farklı rastgele değişkenin ortak değişim eğilimini ve yönünü, birim ölçeğine bağlı olarak nicelendiren ölçek bağımlı istatistiksel ölçüttür.
İncele
Varyans
Varyans
Variance
Bir veri setindeki gözlemlerin aritmetik ortalamadan ne kadar uzaklaştığını ve kendi içinde nasıl bir yayılım sergilediğini gösteren, ortalamadan sapmaların karelerinin ortalaması.
İncele
Faktör Analizi
Faktör Analizi
Factor Analysis
Gözlenen çok sayıda birbiriyle ilişkili değişkeni, aralarındaki ortak varyansı temel alarak daha az sayıda gizli ve soyut değişkene (faktöre) indirgeyen çok değişkenli bir istatistiksel yöntem.
İncele
Temel Bileşenler Analizi
Temel Bileşenler Analizi
Principal Components Analysis (PCA)
Çok sayıda gözlenen değişkeni, aralarındaki varyansı koruyarak daha az sayıda ilişkisiz doğrusal bileşene indirgeyen çok değişkenli istatistiksel veri indirgeme yaklaşımı.
İncele
Korelasyon Matrisi
Korelasyon Matrisi
Correlation Matrix
Bir veri setindeki tüm olası değişken çiftleri arasındaki istatistiksel ilişki derecelerini gösteren simetrik kare matris.
İncele