主要内容

corrcov

协方差矩阵转换为关联矩阵

描述

例子

R= corrcov (C)返回相关矩阵R相应的协方差矩阵C

例子

(R,σ)= corrcov (C)同样的回报σ向量的标准差。

例子

全部折叠

通过应用获得的相关矩阵进行比较corrcov在获得的相关矩阵的协方差矩阵直接计算使用corrcoef在一个输入矩阵。

加载医院包含的数据集,并创建一个矩阵重量血压测量。请注意,hospital.BloodPressure有两列的数据。

负载医院X =[医院。重量hospital.BloodPressure];

计算协方差矩阵。

C = X (X)
C =3×3706.0404 27.7879 41.0202 27.7879 45.0622 23.8194 41.0202 23.8194 48.0590

计算相关矩阵的协方差矩阵,利用corrcov

R1 = corrcov (C)
R1 =3×31.0000 0.1558 0.2227 0.1558 1.0000 0.5118 0.2227 0.5118 1.0000

直接通过计算相关矩阵corrcoef,然后比较R1R2

R2 = corrcoef (X)
R2 =3×31.0000 0.1558 0.2227 0.1558 1.0000 0.5118 0.2227 0.5118 1.0000

相关矩阵R1R2都是一样的。

找到标准差的向量的协方差矩阵,并显示标准差和协方差矩阵之间的关系。

加载医院包含的数据集,并创建一个矩阵重量,血压,年龄测量。请注意,hospital.BloodPressure有两列的数据。

负载医院X =[医院。重量hospital.BloodPressure医院。一个ge];

计算协方差矩阵X

C = X (X)
C =4×4706.0404 27.7879 41.0202 17.5152 27.7879 45.0622 23.8194 6.4966 41.0202 23.8194 48.0590 4.0315 17.5152 6.4966 4.0315 52.0622

C是广场,对称半正定。的对角元素C四个变量的差异吗X

计算的相关矩阵和标准差X从协方差矩阵C

(R, s1) = corrcov (C)
R =4×41.0000 0.1558 0.2227 0.0914 0.1558 1.0000 0.5118 0.1341 0.2227 0.5118 1.0000 0.0806 0.0914 0.1341 0.0806 1.0000
s1 =4×126.5714 6.7128 6.9325 7.2154

计算平方根的对角元素C,然后比较s1s2

s2 =√诊断接头(C))
s2 =4×126.5714 6.7128 6.9325 7.2154

s1s2相等,对应变量的标准偏差在吗X

输入参数

全部折叠

协方差矩阵,指定为一个正方形,对称半正定矩阵。

为一个矩阵XN观察(行)和n随机变量(列),C是一个n——- - - - - -n矩阵。的n对角元素的C方差n随机变量的X和一个零对角元素C表明一个常数变量X

数据类型:|

输出参数

全部折叠

返回相关矩阵,矩阵对应于协方差矩阵C

数据类型:|

标准差,作为一个返回n——- - - - - -1向量。

的元素σ变量的标准差在吗X,N——- - - - - -n矩阵产生C。行σ对应列的标准偏差X

数据类型:|

更多关于

全部折叠

协方差

两个随机变量向量一个B协方差的定义是

( 一个 , B ) = 1 N 1 = 1 N ( 一个 μ 一个 ) * ( B μ B )

在哪里N每一列的长度,μ一个μB的平均值吗一个B分别为,*表示共轭复数。

协方差矩阵两个随机变量的每个变量两两之间的协方差计算的矩阵,

C = ( ( 一个 , 一个 ) ( 一个 , B ) ( B , 一个 ) ( B , B ) )

为一个矩阵X中,每一列是一个随机变量组成的观察,协方差矩阵是两两之间的协方差计算每一列的组合。换句话说, C ( , j ) = ( X ( : , ) , X ( : , j ) )

方差

为一个随机变量向量一个组成的N标量观测,方差的定义是

V = 1 N 1 = 1 N | 一个 μ | 2

在哪里μ的意思是一个,

μ = 1 N = 1 N 一个

一些使用归一化因子的方差的定义N而不是n - 1,但意味着总是归一化因子N

扩展功能

介绍了R2007b