Bỏ qua đến nội dung chính
Mục lục

Hiệp phương sai: công thức, np.cov() và khác tương quan

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 1/7 · Chương 11

Tương quan và hồi quy đơn

  • 10 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Hiệp phương sai (covariance) của hai biến là trung bình của tích hai độ lệch so với trung bình, nên dấu của nó cho biết hai biến cùng tăng hay ngược chiều. Bạn dùng nó khi muốn biết em tự học nhiều giờ hơn có thường được điểm cao hơn không, trước khi tính hệ số tương quan.

Cần biết trước: hiệp phương sai của hai biến ngẫu nhiên, bảng ký hiệu thống kê và broadcasting.

Công thức hiệp phương sai mẫu

Bài này tính trên một mẫu n cặp số (xᵢ, yᵢ), mỗi cặp là hai số đo của cùng một người. Hiệp phương sai mẫu chia n − 1, như phương sai mẫu:

sxy=1n−1∑i=1n(xi−xˉ)(yi−yˉ)s_{xy} = \frac{1}{n-1}\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})

Trong đó:

  • n (len(x)): số cặp.

  • x và y với chỉ số i (x[i], y[i]): hai số đo của cặp thứ i.

  • x̄, ȳ (x.mean(), y.mean()): trung bình của từng biến.

  • sₓᵧ (np.cov(x, y, ddof=1)[0, 1]): hiệp phương sai mẫu.

Giáo trình đại học thường viết cov(X, Y) và dùng bản chia N khi bộ số là cả tổng thể. Một tích dương nghĩa là cặp đó nằm cùng phía trung bình ở cả hai biến (cùng trên, hay cùng dưới). Tích âm nghĩa là một biến trên trung bình còn biến kia dưới. Thay y bằng x thì công thức thành đúng phương sai mẫu s².

Tính hiệp phương sai tay trên năm cặp

Năm học sinh khai số giờ tự học Toán mỗi tuần và điểm kiểm tra. Giờ là 2, 4, 5, 7 và 7. Điểm theo cùng thứ tự là 5 điểm, 6 điểm, 7,5 điểm, 7 điểm và 9 điểm.

Bước

Việc

Kết quả

1

Trung bình từng biến

x̄ = 25 / 5 = 5; ȳ = 34,5 / 5 = 6,9

2

Độ lệch của giờ

−3, −1, 0, 2, 2

3

Độ lệch của điểm

−1,9; −0,9; 0,6; 0,1; 2,1

4

Nhân từng cặp độ lệch

5,7; 0,9; 0; 0,2; 4,2

5

Cộng các tích

11

6

Chia n − 1 = 4

sₓᵧ = 2,75

Khối dưới đi đúng sáu bước bằng Python thuần. Sửa hai list ở đầu thành số của bạn rồi bấm Chạy:

python
gio = [2, 4, 5, 7, 7]
diem = [5.0, 6.0, 7.5, 7.0, 9.0]
n = len(gio)
tb_gio = sum(gio) / n
tb_diem = sum(diem) / n
print("Trung bình:", tb_gio, tb_diem)
tong_tich = 0
for x, y in zip(gio, diem):
    tich = (x - tb_gio) * (y - tb_diem)
    tong_tich += tich
    print(x, y, round(tich, 2))
print("Tổng các tích:", round(tong_tich, 2))
print("Hiệp phương sai:", round(tong_tich / (n - 1), 4))

KẾT QUẢ

Trung bình: 5.0 6.9
2 5.0 5.7
4 6.0 0.9
5 7.5 0.0
7 7.0 0.2
7 9.0 4.2
Tổng các tích: 11.0
Hiệp phương sai: 2.75

Bốn tích dương và một tích bằng 0, nên hiệp phương sai dương: em tự học nhiều hơn mức trung bình thì điểm cũng thường trên mức trung bình. Em tự học 5 giờ đúng bằng x̄ nên không góp gì, dù điểm của em trên ȳ.

Đổi [5.0, 6.0, 7.5, 7.0, 9.0] thành [9.0, 7.0, 7.5, 6.0, 5.0] rồi chạy lại: dòng cuối in Hiệp phương sai: -3.0.

Tính bằng np.cov() và Series.cov()

np.cov(x, y) không trả một số mà trả một ma trận 2 × 2: hai ô chéo là phương sai của x và của y, hai ô còn lại là hiệp phương sai, lấy bằng [0, 1]. Tham số ddof=1 chia n − 1, đúng mặc định của hàm. Series.cov() của pandas trả thẳng một số:

python
import numpy as np
import pandas as pd

gio = np.array([2, 4, 5, 7, 7])
diem = np.array([5.0, 6.0, 7.5, 7.0, 9.0])
ma_tran = np.cov(gio, diem, ddof=1)
print(ma_tran)
print("np.cov [0, 1]:", round(ma_tran[0, 1], 4))
s_gio, s_diem = pd.Series(gio), pd.Series(diem)
print("Series.cov:", round(s_gio.cov(s_diem, ddof=1), 4))
print("np.var của giờ:", round(np.var(gio, ddof=1), 4))

KẾT QUẢ

[[4.5  2.75]
 [2.75 2.3 ]]
np.cov [0, 1]: 2.75
Series.cov: 2.75
np.var của giờ: 4.5

Ô [0, 1] và [1, 0] bằng nhau và bằng 2,75 của bảng tính tay. Ô [0, 0] là phương sai mẫu của giờ, khớp np.var(gio, ddof=1). Trong Excel: COVARIANCE.S chia n − 1, COVARIANCE.P chia n.

Đổi đơn vị: hiệp phương sai đổi, hệ số tương quan thì không

Đo thời gian tự học bằng phút thay cho giờ là nhân mỗi x với 60. Độ lệch nào của x cũng nhân 60, nên hiệp phương sai cũng nhân 60. Hệ số tương quan r chia hiệp phương sai cho tích hai độ lệch chuẩn, nên hệ số 60 ở tử và mẫu triệt tiêu:

python
import numpy as np

gio = np.array([2, 4, 5, 7, 7])
diem = np.array([5.0, 6.0, 7.5, 7.0, 9.0])
phut = gio * 60
for ten, x in [("giờ", gio), ("phút", phut)]:
    cov = np.cov(x, diem, ddof=1)[0, 1]
    r = np.corrcoef(x, diem)[0, 1]
    print(ten, round(cov, 3), round(r, 4))

KẾT QUẢ

giờ 2.75 0.8548
phút 165.0 0.8548

Cùng năm em, cùng mức gắn bó giữa giờ học và điểm, mà hiệp phương sai nhảy từ 2,75 lên 165 chỉ vì đổi đơn vị. Vì vậy hiệp phương sai khó đọc khi đứng một mình: chỉ dấu của nó có nghĩa, độ lớn thì phụ thuộc đơn vị. Muốn so mức gắn bó giữa các cặp biến, dùng r.

Vì sao chia n − 1: mô phỏng

Khối dưới rút 20.000 mẫu, mỗi mẫu 5 cặp, từ một phân phối chuẩn hai chiều có hiệp phương sai thật 0,6 (bài tự đặt nên biết đáp án), rồi tính hiệp phương sai mỗi mẫu theo hai cách:

python
import numpy as np

rng = np.random.default_rng(88)
cov_that = [[1.0, 0.6], [0.6, 1.0]]
mau = rng.multivariate_normal([0, 0], cov_that, size=(20_000, 5))
x, y = mau[..., 0], mau[..., 1]
lech_x = x - x.mean(axis=1, keepdims=True)
lech_y = y - y.mean(axis=1, keepdims=True)
tich = lech_x * lech_y
print("Chia n:", round((tich.sum(axis=1) / 5).mean(), 3))
print("Chia n − 1:", round((tich.sum(axis=1) / 4).mean(), 3))

KẾT QUẢ

Chia n: 0.488
Chia n − 1: 0.609

Lần chạy này cho chia n thấp hơn 0,6 khoảng một phần năm, còn chia n − 1 sát 0,6. Lý do giống phương sai: độ lệch đo tới trung bình của chính mẫu nên nhỏ hơn độ lệch tới trung bình thật. Với default_rng(5), hai số thành 0,481 và 0,601: đổi chút ít, còn chia n vẫn thấp hơn rõ.

Áp vào điểm kiểm tra bốn lớp

File diem_kiem_tra.csv là số giả lập của AIDev: 160 học sinh lớp 10, có cột gio_tu_hoc và diem_toan. Hiệp phương sai của cả 160 em, rồi một biểu đồ phân tán cho thấy dấu của nó:

python
import pandas as pd
import matplotlib.pyplot as plt

diem = pd.read_csv("diem_kiem_tra.csv")
cov = diem["gio_tu_hoc"].cov(diem["diem_toan"], ddof=1)
print("Hiệp phương sai:", round(cov, 2))
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.scatter(diem["gio_tu_hoc"], diem["diem_toan"], alpha=0.6)
ax.set_title(f"160 học sinh: hiệp phương sai {cov:.2f}")
ax.set_xlabel("Giờ tự học Toán mỗi tuần")
ax.set_ylabel("Điểm Toán")
plt.show()

KẾT QUẢ

Hiệp phương sai: 2.02
Biểu đồ phân tán 160 học sinh, trục x là giờ tự học Toán mỗi tuần từ 1 đến 15, trục y là điểm Toán; đám điểm dốc lên, các em học từ 10 giờ trở lên hầu hết được 7 điểm trở lên.

Hiệp phương sai 2,02 dương, khớp với đám điểm dốc lên. Nhưng con số 2,02 tự nó không nói gắn bó mạnh hay yếu: đổi giờ sang phút thì nó thành 121,2. Hệ số tương quan của cùng hai cột là khoảng 0,48.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.cov([1, 2, 3], [6, 4, 2], ddof=1)[0, 1]) in ra gì?

    • 2.0
    • -2.0
    • -1.3333333333333333
  2. Đo chiều cao bằng mét thay cho centimét (chia mỗi giá trị cho 100), những câu nào đúng?

    • Hiệp phương sai giữa chiều cao và cân nặng chia 100
    • Hiệp phương sai giữa chiều cao và cân nặng giữ nguyên
    • Hệ số tương quan r giữa chiều cao và cân nặng giữ nguyên
    • Dấu của hiệp phương sai giữ nguyên
  3. Trong khung bẫy đưa cả bảng vào np.cov(), vì sao kết quả là ma trận 5 × 5?

    • Vì ddof=1 làm NumPy tính thêm ba hàng
    • Vì NumPy mặc định coi mỗi hàng là một biến, bảng có năm hàng
    • Vì np.cov() trả ma trận vuông có cạnh bằng số cặp
  4. Một bạn gọi np.cov(bang) trên bảng 160 hàng, 2 cột (giờ tự học, điểm) để lấy hiệp phương sai. Cách sửa nào cho đúng số cần tìm?

    • np.cov(bang, rowvar=False, ddof=1)[0, 1]
    • np.cov(bang, ddof=1)[0, 1]
    • np.cov(bang, ddof=0)[0, 1]
    • np.cov(bang[:, 0], bang[:, 1], ddof=1)[0, 1]
Đúng hết lần đầu +15 XP

Bài tập

Tính hiệp phương sai mẫu của hai dãy

Bạn muốn tự kiểm số hiệp phương sai mà một bảng tính đưa ra. x và y là hai list (hay mảng) cùng độ dài, ít nhất hai cặp, là một mẫu. Viết thân hàm hiep_phuong_sai(x, y) theo công thức chia n − 1 của bài.

Không dùng np.cov(), .cov(), np.corrcoef(), .corr(), .var(), .std(), các bản np.nanvar(), np.nanstd(), covariance() hay module statistics. Hàm không sửa x, y của nơi gọi.

Trả về: hiệp phương sai mẫu, một float.

Ví dụ hiep_phuong_sai([2, 4, 5, 7, 7], [5.0, 6.0, 7.5, 7.0, 9.0]) cho 2.75.

python
import numpy as np


def hiep_phuong_sai(x, y):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Hiệp phương sai mẫu sₓᵧ cộng các tích độ lệch (xᵢ − x̄)(yᵢ − ȳ) rồi chia n − 1.

  • Dương khi hai biến thường cùng phía trung bình, âm khi ngược phía, gần 0 khi không có xu hướng thẳng.

  • np.cov(x, y, ddof=1) trả ma trận 2 × 2: chéo là phương sai, ô [0, 1] là hiệp phương sai.

  • Bảng hai cột cần rowvar=False, nếu không NumPy đọc mỗi hàng thành một biến.

  • Đổi đơn vị một biến nhân hiệp phương sai lên đúng hệ số đó; hệ số tương quan r giữ nguyên.

  • Trên mẫu nhỏ, chia n cho trung bình thấp hơn hiệp phương sai thật; chia n − 1 bù lại.

Câu hỏi thường gặp

Hiệp phương sai và hệ số tương quan khác nhau thế nào?

Hệ số tương quan là hiệp phương sai chia cho tích hai độ lệch chuẩn, nên không có đơn vị và nằm từ −1 tới 1. Hiệp phương sai mang đơn vị của x nhân đơn vị của y. Bài kiểm định hệ số tương quan đi tiếp từ r.

Hiệp phương sai bằng 0 có nghĩa là hai biến không liên quan?

Không hẳn. Nó chỉ nói không có xu hướng thẳng: điểm xếp thành hình chữ U đối xứng có hiệp phương sai gần 0 dù y phụ thuộc chặt vào x. Hãy vẽ biểu đồ phân tán trước khi kết luận.

np.cov() chia n hay n − 1?

Mặc định chia n − 1, khác np.var() mặc định chia n. Ghi rõ ddof=1 hay ddof=0 khi gọi cả hai hàm để không phải nhớ mặc định; bias=True cũ cũng là chia n.

Ma trận hiệp phương sai của nhiều biến tính thế nào?

Đưa bảng vào np.cov(bang, rowvar=False, ddof=1) hay gọi df.cov() của pandas: ô hàng i cột j là hiệp phương sai của biến i và biến j. Ma trận này là đầu vào của phép phân tích thành phần chính (PCA) trong Machine Learning.

Chủ đề

hiệp phương sai

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập