求解释：基于面包偏好概率计算相关系数的JavaScript代码

现有一大型群体被调查面包品牌偏好（可选A、B、C），其中偏好A的比例为pA，偏好B的比例为pB，剩余群体偏好C。以下是对这段计算相关系数的JavaScript代码的逐行逻辑解释：

function correlationCoefficient(pA, pB) {
    let covXY = -pA * pB
    let varX = pA * (1-pA) 
    let varY = (1-pB)* pB
    let res = covXY / (Math.sqrt(varX*varY, 2))
    return res
}

核心逻辑前提 #

这段代码计算的是两个0-1指示变量的皮尔逊相关系数：

• 变量X：代表「是否偏好A」（1=是，0=否）
• 变量Y：代表「是否偏好B」（1=是，0=否）
  由于一个人只能选一个品牌，X和Y不可能同时为1，这是理解所有计算的关键。

逐行解释 #

• 协方差计算：let covXY = -pA * pB
  协方差的公式是 E[XY] - E[X]E[Y]。因为X和Y无法同时为1，所以E[XY]（XY的期望值）为0；而E[X]是X的期望值即pA，E[Y]是Y的期望值即pB，代入后得到协方差为 0 - pA*pB = -pA*pB。

• X的方差计算：let varX = pA * (1-pA)
  X是伯努利分布（0-1分布）的变量，这类变量的方差公式就是 p*(1-p)，这里直接用偏好A的比例pA套用公式即可。

• Y的方差计算：let varY = (1-pB)* pB
  和X同理，Y也是伯努利分布变量，用偏好B的比例pB套用伯努利方差公式。

• 相关系数计算：let res = covXY / (Math.sqrt(varX*varY, 2))
  皮尔逊相关系数的公式是「协方差 ÷ 两个变量标准差的乘积」。其中：

  • Math.sqrt(varX*varY) 等价于 sqrt(varX) * sqrt(varY)，也就是两个变量的标准差相乘
  • 注意：Math.sqrt只需要一个参数，这里的第二个参数2是无效的，但不影响结果（因为sqrt默认就是开平方）

结果意义 #

最终返回的相关系数为负数，符合实际逻辑：偏好A的人越多，偏好B的人就越少，两者呈负相关关系。

内容的提问来源于stack exchange，提问作者JsDeV