协方差矩阵及其意义

协方差矩阵

• 这里有一篇知乎回答的非常详细，网址如下：https://zhuanlan.zhihu.com/p/37609917
• 其中关于协方差矩阵的内容我剪切到下面了，见下图
  
  
  
• 之所以除以n-1而不是除以n，是因为这样能使我们以较小的样本集更好的逼近总体的标准差，即统计上所谓的“无偏估计”。

协方差矩阵的意义

• 下部分引自另一篇博客https://blog.csdn.net/qq_23100417/article/details/84935692

• 协方差代表的意义是什么?
  在概率论中，两个随机变量 X 与 Y 之间相互关系，大致有下列3种情况：
  
  情况一,如上, 当 X, Y 的联合分布像上图那样时，我们可以看出，大致上有： X 越大 Y 也越大， X 越小 Y 也越小，这种情况，我们称为“正相关”。
  
  情况二, 如上图, 当X, Y 的联合分布像上图那样时，我们可以看出，大致上有：X 越大Y 反而越小，X 越小 Y 反而越大，这种情况，我们称为“负相关”。
  
  情况三,如上图, 当X, Y 的联合分布像上图那样时，我们可以看出：既不是X 越大Y 也越大，也不是 X 越大 Y 反而越小，这种情况我们称为“不相关”。

• 怎样将这3种相关情况，用一个简单的数字表达出来呢？
  在图中的区域（1）中，有 X>EX ，Y-EY>0 ，所以(X-EX)(Y-EY)>0；
  在图中的区域（2）中，有 X<EX ，Y-EY>0 ，所以(X-EX)(Y-EY)<0；
  在图中的区域（3）中，有 X<EX ，Y-EY<0 ，所以(X-EX)(Y-EY)>0；
  在图中的区域（4）中，有 X>EX ，Y-EY<0 ，所以(X-EX)(Y-EY)<0。

• 当X 与Y 正相关时，它们的分布大部分在区域（1）和（3）中，小部分在区域（2）和（4）中，所以平均来说，有E(X-EX)(Y-EY)>0 。
  当 X与 Y负相关时，它们的分布大部分在区域（2）和（4）中，小部分在区域（1）和（3）中，所以平均来说，有(X-EX)(Y-EY)<0 。
  当 X与 Y不相关时，它们在区域（1）和（3）中的分布，与在区域（2）和（4）中的分布几乎一样多，所以平均来说，有(X-EX)(Y-EY)=0 。

• 所以，我们可以定义一个表示X, Y 相互关系的数字特征，也就是协方差
  cov(X, Y) = E[(X-EX)(Y-EY)]
  当 cov(X, Y)>0时，表明 X与Y 正相关；
  当 cov(X, Y)<0时，表明X与Y负相关；
  当 cov(X, Y)=0时，表明X与Y不相关。
  且绝对值越大，相关性越大。
  这就是协方差的意义。

• 上面是协方差的意义，协方差堆在一起就组成了协方差矩阵。

协方差的计算方法

• 此处待定吧，感觉协方差的计算交给计算机就好了，但此处也确实是协方差领域的一个知识点，暂时空余，日后有需要再补充。
• 侵删。