covariance

概念的な意味とニュアンス

covariance（共分散）は、二つの変数が互いにどのように変化するかという関係性を数値化したものです。一方が増加したときにもう一方も増加する傾向があれば正の値となり、一方が増加したときにもう一方が減少する傾向があれば負の値となります。単なる相関関係とは異なり、データの元の単位（スケール）に依存するため、数値そのものから関係の強さを直感的に判断することは困難です。

日本語では共分散という専門用語で定着していますが、概念としては二つの変数が共に（co-）変動（variance）する度合いを指します。統計学や機械学習、金融分析などのデータ解析において、変数間の線形な関係性を把握するための基礎的な指標として用いられます。

相関との違いと注意点

学習者が最も混同しやすいのが correlation（相関）との違いです。どちらも二変数の関係性を示しますが、決定的な違いは標準化されているかどうかです。

covariance: データの単位に影響を受けるため、値の範囲に制限がありません。例えば、単位をメートルからセンチメートルに変えると、共分散の値は大きく変わります。
correlation: 共分散をそれぞれの標準偏差で割って標準化したもので、値が必ず -1 から 1 の間に収まります。そのため、関係の強さを客観的に比較するのに適しています。

実務上の使い分けとしては、計算過程や数学的な証明には covariance が使われ、結果を解釈して強い正の相関があると結論付ける際には correlation が使われます。

数学的な性質と利用シーン

covariance は、多変量解析における共分散行列（covariance matrix）の要素として不可欠な概念です。これにより、複数の変数間の相互関係を一度に表現でき、主成分分析（PCA）などの次元削減手法において、データの分散が最大となる方向を特定するために利用されます。

正の共分散： 身長が高い人ほど体重が重い傾向がある場合など。
負の共分散： 走行距離が伸びるほど車の価値が下がる傾向がある場合など。
ゼロに近い共分散： 二つの変数の間に直線的な関係がほとんど見られない場合。