方差，协方差，相关系数,你真的都懂吗？

提到方差，大家都不陌生在R语言实现很简单，一个命令var()。但是提到方差的应用，你是否了解？

方差定义用来度量随机变量和其数学期望（即均值）之间的偏离程度。真正在应用时，当然不是这么解释。比如，影响一个药物的效果有很多因素，那么我们寻找这些因素中的主要因素，最简单的方法那就是方差。通过查看所有因素的方差大小，便可对所有的因素做一个排序。方差越大代表，一个因素在所有样本中的波动比较大，那么用来作为区分因素也就顺理成章。

R语言中的使用：

提到方差，我们还有一个概念需要知道，那就是协方差。协方差定义用于衡量两个变量的总体误差，即描述两个变量之间的相对于各自的期望值的变化趋势。方差是协方差的一种特殊情况，即两个变量是同一个变量的情况。

R语言中的使用：

那么，协方差和相关系数又存在很大的区别。相关系数定义研究变量之间线性相关程度的量，即主要反映两个变量之间的线性关系，正相关或者负相关，通过相关系数R反映 （R值得范围-1~1）。所谓正相关，即R>0，即两变量同向变化，R越接近1，相关性越强；反之，则为负相关。当然R=0时，也就没啥关系啦。相关系数同时又分为两种求法皮尔森和斯皮尔曼。皮尔森主要是反映同类变量的相关性；斯皮尔曼则可通过秩和方式对不同类型的变量求相关系数。

R语言中使用：

以上函数为组成主成分分析的核心函数。