এই আমার উত্তর প্রশ্নের সঠিক উত্তর দেয় না । মন্তব্য পড়ুন।
আসুন আমরা সাধারণ স্বাচ্ছন্দ্য এবং দূরত্বের covariance তুলনা করি । উভয়ের কার্যকর অংশটি হ'ল তাদের অঙ্কগুলি ume থেকে ডেভিয়েশন (denominators কেবল গড় করা হয়।) সহভেদাংক লব সংকলিত ক্রস পণ্য (= স্কালে পণ্য) এক পয়েন্ট, কি বলতে চান: ( সুপারস্রিপ্টেড সহ সেই সেন্ট্রয়েড হিসাবে)। : এই স্টাইলে অভিব্যক্তি পুনর্লিখন সঙ্গে, বিন্দু বিচ্যুতি জন্য দাঁড়িয়ে centroid, অর্থাত্ তার (স্বাক্ষরিত) centroid দূরত্ব থেকে। সমস্ত পয়েন্টের তুলনায় দুটি দূরত্বের পণ্যের যোগফল দ্বারা সমবায়িক সংজ্ঞা দেওয়া হয়।Σ(xi−μx)(yi−μy)μΣdxiμdyiμdi
দূরত্বের covariance সঙ্গে জিনিসগুলি কীভাবে ? অঙ্কটি হ'ল, আপনি যেমন জানেন, । আমরা উপরে যা লিখেছি তা কি খুব একটা পছন্দ করে না? আর পার্থক্য কী? এখানে, দূরত্ব হ'ল উপরের মত ডেটা পয়েন্ট এবং গড়ের মধ্যে নয়, বিভিন্ন ডেটা পয়েন্টের মধ্যে রয়েছে। দূরত্বের কোভরিয়েন্সটি সমস্ত জোড় পয়েন্টের তুলনায় দুটি দূরত্বের সামগ্রীর যোগফল দ্বারা সংজ্ঞায়িত হয়।Σdxijdyijd
স্কেলার পণ্যটি (দুটি সত্তার মধ্যে - আমাদের ক্ষেত্রে, ভেরিয়েবল এবং ) একটি নির্দিষ্ট পয়েন্ট থেকে সহ-দূরত্বের উপর ভিত্তি করে ডেটা যখন একটি সরলরেখার সাথে সাজানো হয় তখন সর্বাধিক হয় । ভ্যারায় * আই * সক্ষম পয়েন্ট থেকে সহ-দূরত্বের উপর ভিত্তি করে স্কেলার পণ্যটি যখন স্থানীয়ভাবে স্থানীয়ভাবে উপাত্তগুলি একটি সরলরেখার সাথে সাজানো হয় তখন সর্বাধিক হয়; অন্য কথায়, যখন ডেটা সামগ্রিকভাবে কোনও আকারের শৃঙ্খলা উপস্থাপন করে , কোনও আকারের নির্ভরতা।xy
এবং প্রকৃতপক্ষে, সম্পর্কটি নিখুঁত রৈখিক হওয়ার কাছাকাছি থাকলে এবং বৈচিত্রগুলি আরও বড় হয় যখন সাধারণ সমবায় বড় হয়। আপনি যদি কোনও নির্দিষ্ট ইউনিটে রূপগুলি মানক করে তোলেন তবে সমবায়ুতা কেবলমাত্র রৈখিক সংস্থার শক্তির উপর নির্ভর করে এবং এরপরে এটি পিয়ারসন পারস্পরিক সম্পর্ক বলে । এবং যেমনটি আমরা জানি - এবং সম্পর্কটি নিখুঁত বক্ররেখার নিকটবর্তী হওয়ার সাথে সাথে ডেটা স্প্রেডিং আরও বড় হওয়ার কারণ কেন - দূরত্বের সমবায়ুতা আরও বড়। যদি আপনি একটি নির্দিষ্ট ইউনিটে ছড়িয়ে পড়াগুলি মানক করে থাকেন, তবে কিছুটা বক্ররেখার সংস্থার শক্তির উপর কোভেরিয়েন্স নির্ভর করে এবং এরপরে একে ব্রাউনিয়ান (দূরত্ব) পারস্পরিক সম্পর্ক বলা হয় ।