目录
语法
说明
示例
矩阵方差
数组方差
指定方差权重向量
指定方差的维度
数组页的方差
排除缺失值的方差
方差和均值
var函数的功能是求取方差。
语法
V = var(A)
V = var(A,w)
V = var(A,w,"all")
V = var(A,w,dim)
V = var(A,w,vecdim)
V = var(___,nanflag)
[V,M] = var(___)
说明
V = var(A) 返回 A 沿大小大于 1 的第一个数组维度计算的元素的方差。默认情况下,方差按 N-1 实现归一化,其中 N 是观测值数量。
-
如果 A 是观测值的向量,则 V 是标量。
-
如果 A 是一个列为随机变量且行为观测值的矩阵,则 V 是一个包含与每列对应的方差的行向量。
-
如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 V 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。
-
如果 A 是标量,则 V 为 0。
-
如果 A 是一个 0×0 的空数组,则 V 为 NaN。
-
如果 A 是表或时间表,则 var(A) 返回单行表,其中包含每个变量的方差。 (自 R2023a 起)
V = var(A,w) 指定加权方案。当 w = 0(默认值)时,方差按 N-1 实现归一化,其中 N 是观测值数量。如果 w = 1,则方差按观测值数量实现归一化。w 也可以是包含非负元素的权重向量。在这种情况下,w 的长度必须等于 var 将作用于的维度的长度。
当 w 为 0 或 1 时,V = var(A,w,"all") 返回 A 的所有元素的方差。
V = var(A,w,dim) 返回沿维度 dim 计算的方差。要维持默认归一化并指定运算的维度,请在第二个参数中设置 w = 0。
当 w 为 0 或 1 时,V = var(A,w,vecdim) 返回向量 vecdim 中指定维度的方差。例如,如果 A 是矩阵,则 var(A,0,[1 2]) 返回 A 中所有元素的方差,因为矩阵的每个元素包含在由维度 1 和 2 定义的数组切片中。
V = var(___,nanflag) 在上述任一语法的基础上指定包含还是省略 A 中的 NaN 值。例如,var(A,"omitnan") 在计算方差时会忽略 NaN 的值。默认情况下,var 包括 NaN 值。
[V,M] = var(___) 还返回 A 中用于计算方差的元素的均值。如果 V 是加权方差,则 M 是加权均值。
示例
矩阵方差
创建一个矩阵并计算其方差。
A = [4 -7 3; 1 4 -2; 10 7 9];
var(A)
ans = 1×3
21.0000 54.3333 30.3333
数组方差
创建一个三维数组并计算其方差。
A(:,:,1) = [1 3; 8 4];
A(:,:,2) = [3 -4; 1 2];
var(A)
ans =
ans(:,:,1) =
24.5000 0.5000
ans(:,:,2) =
2 18
指定方差权重向量
创建一个矩阵并根据权重向量 w
计算其方差。
A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
var(A,w)
ans = 1×3
6.1875 9.5000 6.1875
指定方差的维度
创建一个矩阵并沿第一个维度计算其方差。
A = [4 -2 1; 9 5 7];
var(A,0,1)
ans = 1×3
12.5000 24.5000 18.0000
沿第二个维度计算A的方差。
var(A,0,2)
ans = 2×1
9
4
数组页的方差
创建一个三维数组并计算每页数据(行和列)的方差。
A(:,:,1) = [2 4; -2 1];
A(:,:,2) = [9 13; -5 7];
A(:,:,3) = [4 4; 8 -3];
V = var(A,0,[1 2])
V =
V(:,:,1) =
6.2500
V(:,:,2) =
60
V(:,:,3) =
20.9167
排除缺失值的方差
创建一个包含 NaN 值的矩阵。
A = [1.77 -0.005 NaN -2.95; NaN 0.34 NaN 0.19]
A = 2×4
1.7700 -0.0050 NaN -2.9500
NaN 0.3400 NaN 0.1900
计算矩阵的方差,不包括 NaN 值。对于包含任一 NaN 值的矩阵列,var 使用非 NaN 元素进行计算。对于包含的值都是 NaN 的矩阵列,方差为 NaN。
V = var(A,"omitnan")
V = 1×4
0 0.0595 NaN 4.9298
方差和均值
创建一个矩阵并计算每列的方差和均值。
A = [4 -7 3; 1 4 -2; 10 7 9];
[V,M] = var(A)
V = 1×3
21.0000 54.3333 30.3333
M = 1×3
5.0000 1.3333 3.3333
创建一个矩阵,根据权重向量 w 计算每列的加权方差和加权均值。
A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
[V,M] = var(A,w)
V = 1×3
6.1875 9.5000 6.1875
M = 1×3
2.7500 -1.0000 5.7500
参数说明
A — 输入数组
输入数组,指定为向量、矩阵、多维数组、表或时间表。如果 A 是标量,则 var(A) 返回 0。如果 A 是一个 0×0 的空数组,则 var(A) 返回 NaN。
w — 粗细
权重,指定为以下值之一:
-
0 - 按 N-1 实现归一化,其中 N 是观测值的数量。如果只有一个观测值,则权重为 1。
-
1 - 按 N 实现归一化。
-
由非负标量权重构成的向量,这些权重对应于沿其计算方差的 A 的维度。
dim — 沿其运算的维度
沿其运算的维度,指定为正整数标量。如果不指定维度,则默认为第一个大于 1 的数组维度。
维度 dim 表示长度减至 1 的维度。size(V,dim) 为 1,而所有其他维度的大小保持不变。
以一个 m×n 输入矩阵 A 为例:
-
var(A,0,1) 计算 A 的每列中元素的方差,并返回一个 1×n 行向量。
-
var(A,0,2) 计算 A 的每行中元素的方差,并返回一个 m×1 列向量。
如果 dim 大于 ndims(A),则 var(A) 返回大小与 A 相同的由零组成的数组。
vecdim — 维度向量
维度向量,指定为正整数向量。每个元素代表输入数组的一个维度。指定的操作维度的输出长度为 1,而其他保持不变。
以 2×3×3 输入数组 A 为例。然后 var(A,0,[1 2]) 返回 1×1×3 数组,其元素是在 A 的每页上计算的方差。
nanflag — 缺失值条件
缺失值条件,指定为下列值之一:
-
"includemissing" 或 "includenan" - 在计算方差时包括 A 中的 NaN 值。如果运算维度中的任一元素是 NaN,则 V 中的对应元素也是 NaN。"includemissing" 和 "includenan" 具有相同的行为。
-
"omitmissing" 或 "omitnan" - 忽略 A 和 w 中的 NaN 值,并基于较少的点计算方差。如果运算维度中的所有元素都是 NaN,则 V 中的对应元素是 NaN。"omitmissing" 和 "omitnan" 具有相同的行为。
V — 方差
方差,以标量、向量、矩阵、多维数组或表形式返回。
-
如果 A 是观测值的向量,则 V 是标量。
-
如果 A 是一个列为随机变量且行为观测值的矩阵,则 V 是一个包含与每列对应的方差的行向量。
-
如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 V 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。
-
如果 A 是标量,则 V 为 0。
-
如果 A 是一个 0×0 的空数组,则 V 为 NaN。
-
如果 A 是表或时间表,则 V 是单行表。如果 A 的变量有单位,则 V 的变量没有那些单位。 (自 R2023a 起)
M — 均值
均值,以标量、向量、矩阵、多维数组或表形式返回。
-
如果 A 是观测值的向量,则 M 是标量。
-
如果 A 是一个列为随机变量且行为观测值的矩阵,则 M 是一个包含与每列对应的均值的行向量。
-
如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 M 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。
-
如果 A 是标量,则 M 等于 A。
-
如果 A 是一个 0×0 的空数组,则 M 为 NaN。
-
如果 A 是表或时间表,则 M 是单行表。如果 A 的变量有单位,则 M 的变量有相同的单位。 (自 R2023a 起)
如果 V 是加权方差,则 M 是加权均值。
方差
对于由 N 个标量观测值组成的随机变量向量 A,方差定义为:
,其中 μ 是 A 的均值,
有些方差的定义使用归一化因子 N 而非 N – 1。可以通过指定权重 1
来使用归一化因子 N,从而生成样本关于其均值的二阶矩。
无论方差的归一化因子是什么,都假定均值具有归一化因子 N。
加权方差
对于由 N 个标量观测值组成的有限长度向量 A 和加权方案 w,加权方差被定义为
,其中 μw 是 A 的加权均值。
加权均值
对于由 N 个标量观测值组成的有限长度向量 A 和加权方案w,加权均值定义为文章来源:https://www.toymoban.com/news/detail-852637.html
文章来源地址https://www.toymoban.com/news/detail-852637.html
到了这里,关于MATLAB中var函数用法的文章就介绍完了。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!