对于一个二维的数据,x = [x1 x2];x1与x2分别为两个向量;
那么x的协方差矩阵为Y = [var(x1,x1) var(x1,x2) ; var(x2,x1) var(x2,x2)];此协方差矩阵是一个正定的对称矩阵,var是方差的matlab求解指令;可以看出,协方差矩阵的对角线为每一维信号的方差,非对角线元素为两个信号的方差,也就是他的协方差;
我们讨论二维数据的均值以及他在每一维度上的方差和不同纬度间的协方差对二维数据分布的影响:
matlab代码如下 :
其中mu矩阵为两位数据的均值 ;
SIGMA矩阵为两位数据的协方差矩阵;
mvnrnd产生相应的二维正态分布数据;
绘制两组图如下所示:
横坐标为第一位坐标,纵坐标为第二维坐标。
//-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
1 修改均值矩阵mu ; 均值主要影响二维数据的坐标刻度,如果均值扩大N被,相当于横纵坐标的数据都右/上移10被
修改mu1 = [10 15];较之mu扩大5倍后;得到的matlab数据分布如下所示:
红色代表了修改后的mu1的数据分布;可以看出,他只是将整个分布右上移动,并不改变其他的分布特性。
//-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
修改SIGMA矩阵中x轴的方差值,即var(x1, x1);它的值表征了数据在X轴方向里均值的偏差值,修改这个值会导致数据在X轴里均值的偏差变大;
修改SIGMA1 = [10 1.5 ; 1 3]; MATLAB分布图如下所示
这个效果非常明显;
//-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
同理 : 修改SIGMA矩阵中y轴的方差值,即var(y1, y2);它的值表征了数据在Y轴方向里均值的偏差值,修改这个值会导致数据在Y轴里均值的偏差变大;
修改SIGMA1 = [1 1.5 ; 1 30]; MATLAB分布图如下所示
//-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
修改SIGMA矩阵中的不同维度之间的方差值,即修改var(x1 , y1 )的值,这个协方差值主要是两个矩阵之间的相关关系的表征
我现在的结论发现改变var(x1 , y1 )只能改变分布的紧促的松散,好像并不能改变数据分布的45°方向以外的方向,具体的方向信息还有待考证