协方差矩阵的意义与见解

原创

已于 2025-09-15 19:56:49 修改 · 3.8k 阅读

·

5

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

于 2021-01-26 12:26:26 首次发布

协方差矩阵对学统计的来说很重要，本文详细说明其相关知识(计算公式等)以及来历与实质含义。其实质主要是从一维到多维的一个推广。从以下几个点去描述它的来历：

一、低维样本情形的统计量：均值、标准差、方差

二、高维样本情形的统计量：：均值、协方差

三、相关复杂概念、问题的解释

一、低维情形的统计量：均值、标准差、方差

假设自然数集中抽取一个含有3个样本的集合 $S$ :=（1，2，3），我们简记这个集合的一些统计概念: 均值: ${\bar S}$ ，方差: $var(S)$ ,标准差: $\sigma$ ( $S$ )，依次给出这些概念的公式描述。

均值一般指平均数。平均数，统计学术语，是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。解答平均数关键在于确定“总数量”以及和总数量对应的总份数。对于样本 $S$ ，其平均值为

${\bar S} = \frac{1+2+3}{3}=2$

标准差: 简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。

对于我们设的样本 $S$ ，其标准差为

$\sigma(S)=\sqrt{\frac{(1-{\bar S})^2+(2-{\bar S})^2 + (3-{\bar S})^2}{3-1}}=1$

方差=标准差的平方。对于我们设的样本 $S$ ，其方差为：

$var(S)=\frac{(1-{\bar S})^2+(2-{\bar S})^2 + (3-{\bar S})^2}{3-1}=1$

最低0.47元/天解锁文章

评论 4

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Yita_matrix 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。