阿白数模笔记之协方差矩阵与相关矩阵

这篇具有很好参考价值的文章主要介绍了阿白数模笔记之协方差矩阵与相关矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

一、方差

二、协方差矩阵

①协方差

②自协方差矩阵

互协方差矩阵​编辑

③互协方差矩阵

Ⅰ、数学定义

Ⅱ、MATLAB运算

三、相关矩阵

①person相关系数

②自相关矩阵

③互相关矩阵

Ⅰ、数学定义

Ⅱ、matlab运算


前言

        作为数模小白,前天在学习FA算法时看到协方差直接啥也不会,在查阅多方资料后,才算是有所了解,本文介绍数学上协方差矩阵和相关矩阵的定义以及在MATLAB中的运算。

一、方差

        这是百度百科所给的定义

阿白数模笔记之协方差矩阵与相关矩阵

n=input('请输入矩阵的行数:');
a=rand(n,1);
b=mean(a);
s1=0;
for i=1:n
    s1=s1+(a(i)-b)^2;
end
s1=s1/(n-1)%方差
s=s1^0.5%标准差
s2=cov(a)%方差
s3=var(a)%方差

二、协方差矩阵

①协方差

         该图来自如何直观地理解「协方差矩阵」?

阿白数模笔记之协方差矩阵与相关矩阵

a=[1,2,3,4];
a1=a-mean(a);
b=[5,6,7,8];
b1=b-mean(b);
c=a1*b1'/(size(a,1)-1);%即为a,b的协方差

②自协方差矩阵

        该图来自如何直观地理解「协方差矩阵」?

互协方差矩阵

a= [5 0 3 7; 1 -5 7 3; 4 9 8 10;1 0 9 8];
b=a-mean(a);
n=size(a);
cx=zeros(n);
for i=1:n(2)%遍历每一列
    for j=1:n(2)%遍历每一列
        cx(i,j)=b(:,i)'*b(:,j)/(n(1)-1);
    end
end
c=cov(a);%matlab中有cov,此处用来检验运算是否正确
>> cx-c

ans =

   1.0e-14 *

         0         0    0.0444         0
         0   -0.7105         0         0
    0.0444         0         0         0
         0         0         0    0.1776

③互协方差矩阵

Ⅰ、数学定义

        该图来自(自)协方差矩阵与互协方差矩阵简介

阿白数模笔记之协方差矩阵与相关矩阵

 x,y应为同型矩阵。这是根据数学定义计算出的cov(x,y)

x=rand(5,6);
[m,n]=size(x);
y=rand(5,6);
c=zeros(n);
for i=1:n
    for j=1:n
        c(i,j)=x(:,i)'*y(:,j)/(n-1);
    end
end
>> c

c =

    0.1880    0.1877    0.1157    0.1654    0.1283    0.2000
    0.2199    0.2038    0.1970    0.3117    0.1446    0.3019
    0.2576    0.3327    0.2605    0.2840    0.2559    0.3710
    0.2513    0.2942    0.1550    0.2387    0.1472    0.2588
    0.2119    0.2406    0.1538    0.2424    0.1280    0.2493
    0.2305    0.2244    0.1704    0.2219    0.1873    0.2841

Ⅱ、MATLAB运算

        但在MATLAB中,cov(A,B)的含义与数学中的并不相同

阿白数模笔记之协方差矩阵与相关矩阵

 ①的意思是,传入的A,B都是列向量或行向量,此图来自matlab协方差cov计算代码

阿白数模笔记之协方差矩阵与相关矩阵

 

a=[1 2 3 0];
b=[5,6,7,9];
cab=cov(a,b);
c=zeros(2);
c(1,1)=cov(a);
c(2,2)=cov(b);
a=a-mean(a);
b=b-mean(b);
c(1,2)=a*b'/(4-1);
c(2,1)=c(1,2);
>> c

c =

    1.6667   -0.8333
   -0.8333    2.9167

>> cab

cab =

    1.6667   -0.8333
   -0.8333    2.9167

②的意思是,A,B中元素总数相等(不要求同型),cov(A,B)=cov(A(:),B(:));

x=rand(2,3);
y=rand(3,2);
c1=cov(x,y)%按照数学公式应返回3×3协方差矩阵,但在matlab中会返回2×2矩阵
c2=cov(x(:),y(:))
c1 =

    0.0571   -0.0009
   -0.0009    0.0440


c2 =

    0.0571   -0.0009
   -0.0009    0.0440

三、相关矩阵

①person相关系数

        这是百度百科所给的定义:

阿白数模笔记之协方差矩阵与相关矩阵

 阿白数模笔记之协方差矩阵与相关矩阵

 绝对值越接近1,线性相关性越强

x=rand(5,1);
y=rand(5,1);
r1=(x-mean(x))'*(y-mean(y))/(5-1)/(var(x)*var(y))^0.5
r2=corr(x,y)%返回两个等长矩阵的相关系数
r1 =

    0.3655


r2 =

    0.3655

②自相关矩阵

        相关矩阵也叫相关系数矩阵,是由矩阵各列间的相关系数构成的。也就是说,自相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数

a=rand(3,4);
[m,n]=size(a);
c1=zeros(n);
for i=1:n
    for j=1:n
        c1(i,j)=corr(a(:,i),a(:,j));
        %c1(i,j)是原矩阵i列j列的相关系数
    end
end
c1
c2=corrcoef(a)%返回a1的自相关矩阵
c1 =%对角元都为1

    1.0000    0.6911   -0.0058   -0.9390
    0.6911    1.0000    0.7187   -0.8975
   -0.0058    0.7187    1.0000   -0.3385
   -0.9390   -0.8975   -0.3385    1.0000


c2 =

    1.0000    0.6911   -0.0058   -0.9390
    0.6911    1.0000    0.7187   -0.8975
   -0.0058    0.7187    1.0000   -0.3385
   -0.9390   -0.8975   -0.3385    1.0000

③互相关矩阵

Ⅰ、数学定义

        对同型矩阵x,y(m×n)。R(x,y)表示x,y的互相关矩阵(n×n),rij=r(xi,yj),即x第i列与y第j列的相关系数

a=rand(3,4);
b=rand(size(a));
[m,n]=size(a);
r1=zeros(n);
for i =1:n
    for j=1:n
        r1(i,j)=corr(a(:,i),b(:,j));
    end
end

Ⅱ、matlab运算

        和上面说讲的MATLAB运算互协方差矩阵相似,corrcoef(a,b)=corrcoef(a(:),b(:))文章来源地址https://www.toymoban.com/news/detail-501506.html

a=rand(3,4);
b=rand(size(a));
r=corr(a(:),b(:))
r2=corrcoef(a,b)
r3=corrcoef(a(:),b(:))
r =

   -0.1293


r2 =%(1,2),(2,1)是a(:),b(:)的相关系数

    1.0000   -0.1293
   -0.1293    1.0000


r3 =

    1.0000   -0.1293
   -0.1293    1.0000

到了这里,关于阿白数模笔记之协方差矩阵与相关矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 矩阵运算_矩阵的协方差矩阵/两个矩阵的协方差矩阵_求解详细步骤示例

            在统计学中, 方差 是用来度量 单个随机变量 的 离散程度 ,而协方差则一般用来刻画 两个随机变量 的 相似程度。 参考: 带你了解什么是Covariance Matrix协方差矩阵 - 知乎 将输入数据A进行中心化处理得到A\\\'。即通过 减去每个维度的平均值 来实现中心化。 注意:

    2024年02月03日
    浏览(46)
  • 【概率论理论】协方差,协方差矩阵理论(机器学习)

      在许多算法中需要求出两个分量间相互关系的信息。协方差就是描述这种相互关联程度的一个特征数。   设 ( X , Y ) (X,Y) ( X , Y ) 是一个二维随机变量,若 E [ ( X − E ( X ) ) ( Y − E ( Y ) ) ] E[(X-E(X))(Y-E(Y))] E [ ( X − E ( X ) ) ( Y − E ( Y ) ) ] 存在,则称此数学期望为 X X X 与

    2024年02月14日
    浏览(49)
  • 协方差矩阵在torch和numpy中的比较,自行实现torch协方差矩阵

    数学中(教科书、大学课堂、数学相关的科普视频),一个矩阵的向量往往是竖着的, 一列作为一个vector ,这一点numpy库也是这样默认的。 但是在机器学习以torch框架为例,一个有意义的向量或者说embedding 是横着的 。 因为numpy库默认是一列是一个向量而torch等机器学习框架

    2023年04月08日
    浏览(38)
  • 概率论:方差、标准差、协方差、皮尔逊相关系数、线性相关

    一个随机变量,的值的变化程度可以用方差计算:  ;其中 是期望。 另外一种等价表达式:      其中为均值,N为总体例数 我们举个例子: 服从均一分布,取值为0.1,0.2,0.3,0.4,0.5 ,每种值的概率是20%,可算出期望是0.3,那么方差就是: 标准差是方差的平方根,随机

    2024年02月09日
    浏览(49)
  • 协方差矩阵

    首先先了解方差与协方差: 协方差: (1)针对 一维样本集合 时(y i =x i ),求出的协方差其实就是方差,既方差是协方差的一种特殊情况。协方差意义和方差一样,都是 反应集合中各元素离散程度 。 (2)针对 二维样本集合 时,求出的协方差反映的就是 两个维度之间的相

    2024年02月10日
    浏览(65)
  • 因子模型:协方差矩阵

    本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记。 因子协方差矩阵 (factor covariance matrix)在计算风险的时候很重要。如果一个模型有个因子,那么协方差矩阵的大小就是。对角线元素是每个因子的方差,非对角线元素是协方差,这些协方差有可能不为零。 协方差

    2024年02月04日
    浏览(86)
  • 协方差矩阵的研究

    (1)协方差矩阵的定义、计算过程。         协方差(Covariance):在概率论和统计学中用于衡量两个变量的总体误差。协方差在某种意义上给出了两个变量线性相关性的强度以及这些变量的尺度。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。协方差矩阵

    2024年02月13日
    浏览(37)
  • 数字信号谱估计方法对比仿真——估计自相关,周期图法,协方差法,burg算法,修正协方差法

    目录 一、理论基础 1.1自相关谱估计 1.2周期图法谱估计 1.3协方差法谱估计 1.4burg算法谱估计 1.5修正协方差谱估计 二、核心程序 三、仿真结论        自相关谱估计、周期图法谱估计、协方差法谱估计、Burg算法谱估计和修正协方差谱估计是常见的信号谱估计方法,用于分析信

    2024年02月10日
    浏览(40)
  • 协方差矩阵到底有什么用?

    我们知道,线性代数,可以完成空间上的线性变换——旋转,缩放。对于协方差,我们隐约可以想到,它能解释一个随机变量,它在各个维度的变化程度。但是,这种认识其实还是处于比较浅层次的。数学嘛,总要落实到公式上,才算认识比较深刻。 我认为,协方差一个经典

    2024年02月16日
    浏览(45)
  • MATLAB中均值、方差、标准差、协方差、相关性的计算

    xmean = 2 ans = 2 xvar = 0.6667 ans = 0.6667 xvar_1 = 0.8000 ans = 0.8000 ans = 0.6667 xstd = 0.8165 ans = 0.8165 ans = 0.8165 xstd_1 = 0.8944 ans = 0.8944 ans = 0.8944 xcov = 0.6667 xycov = 0.6667 0.5000 0.5000 0.6667 ans = 0.5000 xcov_1 = 0.8000 xycov_1 = 0.8000 0.6000 0.6000 0.8000 ans = 0.6000 xycorrcoef = 1.0000 0.7500 0.7500 1.0000 xzcorrcoef = 1.0000

    2024年02月21日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包