协方差矩阵:
把方差、协方差通过一个矩阵表现出来,体现了变量间的联动关系。当协方差大于0时,表明两个变量变化呈现正相关,即同增同减;当协方差小于0时,表明两个变量变化呈现负相关,变量变化方向相反。而协方差的绝对值的大小反应了,两个变量的相关程度,越大相关程度越高。
下面举例说明协方差矩阵求解和作用,下面是球员的信息,来求解身高、体重、年龄的协方差矩阵。
x | y | z | |
球员 | 身高 | 体重 | 年龄 |
A | 179 | 74 | 33 |
B | 187 | 80 | 31 |
C | 175 | 71 | 28 |
均值 | 180.3333333 | 75 | 30.66666667 |
首先,分别求解x、y、z的方差
,
同理可得
其次,分别求解不同组合的协方差
协方差大于0,x、y变化呈现正相关,我们可以观察每一对x、y都是同时大于或小于平均值。
列出的求解式子发现结果和上式是一致的,
故。
同理可得:
下面列出x,y,z的协方差矩阵:
矩阵P一定程度上反应了,球员的身高、年龄、体重的相关程度,可以看出身高和体重的相关程度较高,而年龄和身高/体重的相关程度均较低。
下面列出使用矩阵求解协方差矩阵的计算过程,首先求解过渡矩阵
参考资料 【【卡尔曼滤波器】2_数学基础_数据融合_协方差矩阵_状态空间方程_观测器问题】 https://www.bilibili.com/video/BV12D4y1S7fU/?share_source=copy_web&vd_source=c29456ffa88bc7559f8ffbe6f8e8f7a5