协方差的理解与计算

1、定义 E[(X-E(X))(Y-E(Y))]  称为随机变量X和Y的协方差,  记作COV(X,Y), 即COV(X,Y)=E[(X-E(X))(Y-E(Y))]。

     通过推到 E[(X-E(X))(Y-E(Y))]    =     E(XY)-E(X)E(Y) 

实例计算:

     有两个变量分别是X和Y,其值分别如下,

           Xi :   2    3    4    5

           Yi :   6    7    8    9    

      计算期望:

           E(X) = ( 2 + 3 + 4  + 5 ) / 4 =  3.5

           E(Y) = ( 6 + 7 + 8 +  9 ) / 4 =  7.5

           E(XY)=(  2*6  +3*7   +4*8  +5*9 ) / 4  =  27.5

      计算协方差:

           Cov(X,Y)   =   E(XY)   -    E(X)E(Y)    =   27.5  -  26.25    =   1.25

      因此,X与Y的协方差值为:1.25

 

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
本书内容分为八个部分。共20章,分上、下两册,每册10章。各章均有大量习题。本书给出了大量的实际例子,这些例子涉及众多的学科和实际领域,但又不过于专门,容易理解。在大部分章节中都使用实例未引入主题,并把统计概念和这些非常实际的问题联系在一起进行讲解,深入浅出,从而可以避免许多人对统计所抱有的粗浅的感性认识,即认为统计仅仅是另一门数学课程。作者把统计数据的收集与分析过程总结成"四步法",并把"四步法"的讲解贯穿始终,利用实例逐步展开并阐明在设计调查研究或试验时所需要的统计技术和思路,然后讲解用直观、有效的"四步法"来收集并分析数据,非常利于初学者和实际工作人员抓住有关统计方法和模型的本质。书中提供了多种多样的图示,如正态概率图、盒形图、散点图、矩阵图和残差图等,通过这些图,读者可以一方面理解数据的特点和概括数据的方法,--方面进一步理解有关统计方法的基本思想和特点。作者很重视统计在解决实际问题中的作用,在全书中用许多篇幅讨论如何解释数据分析的结果,并专门用一章讲述了如何写数据分析报告。 本书适用于作为我国文科各专业的统计学引论教程。以及理工科各专业应用统计学课程的教材或教学参考书;也可作为有关方面实际工作人员的统计入门书。阅读本书不需要其他统计方面的基础,也不需要高等数学知识。 目录: 序言 第一部分引论 第一章什么是统计 1.1引言 1.2为什么学习统计 1.3当前统计的一些应用 1.4统计学家做什么 1.5质量和工序改进 1.6学生注意 1.7小结 补充练习 第二部分收集数据 第二章利用调查和科学研究来收集数据- 2.1引言 2.2调查 2.3科学研究 2.4观察研究 2.5数据整理:为概括和分析准备数据 2.6小结 第三部分概括数据 3.1引言 3.2计算器、计算机及软件系统 3.3单个变量数据的描述:图表法 3.4单个变量数据的描述:中心趋势的度量 3.5单个变虽数据的描述:变异性度量 3.6盒形图 3.7多变量数据的概括 3.8小结 重要公式 补充练习 第四部分工具和概念 第四章概率和概率分布 4.1如何应用概率进行推断 4.2确定一个事件的概率 4.3基本的事件关系和概率法则 4.4条件概率和独立性 4.5Bayes公式 4.6离散变最和连续变量 4.7离散随机变量的概率分布 4.8一个常用的离散随机变量:二项分布 4.9连续随机变量的概率分布 4.10一个常用的连续随机变量:正态分布 4.11随机抽样 4.12抽样分布 4.13二项分布的正态逼近 4.14Minitab指令 4.15小结 重要公式 补充练习 第五部分数据分析:中心值方差和比例 第五章关于总体中心值的推断 5.1引言和案例 5.2μ的估计 5.3估计μ时样本容量的选取 5.4关于μ的统计检验 5.5对于进行检验时样本容量的选取 5.6统计检验的显著性水十 5.7正态总体均值p的统计推断。未知 5.8关于中位数的推断 5.9小结 重要公式 补充练习 第六章两总体中心值的比较 6.1引言和案例 6.2关于μ1-μ2的推断:独立样本 6.3非参数推断方法:Wilcoxon秩和检验 6.4关于μ1-μ2的推断:成对数据 6.5非参数推断方法:Wilcoxon符号秩检验 6.6惟断μ1-μ2时样本容量的选取 6.7小结 重要公式 补充练习 第七章关于总体方差的推断 7.1引言和案例 7.2单个总体方差的估计和检验 7.3比较两个总体方差时的估计和检验 7.4比较多个总体方差时的检验 7.5小结 重要公式 补充练习 第八章两个以上总体的中心值的推断 8.1引言和案例 8.2两个以上总体均值的统计检验:方差分析 8.3完全随机化设计中观测值的模型 8.4方差分析条件的检查 8.5其他的分析方法:数据变换 8.6另一种非参数方法:Kruskal-Wallis检验 8.7小结 重要公式 补充练习 第九章多重比较 9.1引言和案例 9.2线性对照 9.3控制哪个错误率 9.4Fisher(费舍尔)最小显著差异法 9.5Tukey的W方法 9.6Student-Newman-Keuls方法 9.7Dunnett方法:处理组与对照组的比较 9.8Scheffe的S方法 9.9小结 重要公式 补充练习 第十章类型数据 10.1引言和案例 10.2总体比例π的推断 10.3两总体比例之差π1-π2的推断 10.4多比例的推断:卡方拟合优度检验 10.5Pokmn(泊松)分布- 10.6列联表:独立性检验和齐性检验 10.7柏关程度的度量 10.8几率和优比 10.9小结 重要公式 补充练习 第六部分数据分析:回归方法和模型的建立 第十一章线性回归和相关 11.1引言和案例 11.2估计模型中的参数 11.3回归参数的推断 11.4利用同归预测新的y值 11.5线性回归中拟合不足的考察 11.6逆回归问题(校准) 11.7相关 11.8小结 重要公式 补充练习 第十二章多元回归与一般线性模型 12.1引言和案例 12.2一般线性模型 12.3估计多元回归系数 12.4多元回归中的推断 12.5回归系数子集的检验 12.6用多元回归进行的预测 12.7比较几条回归线的斜率 12.8Logistic回归 12.9多元回归的一些理论结果(任选) 12.10小结 重要公式 补充练习 第十三章多元回归续论 13.1引言和案例 13.2变量的挑选(第一步) I3.3模型形式的确定(第二步) 13.4模型假设的检查(第三步) 13.5小结 重要公式 补充练习 第七部分试验设计与方差分析 第十四章试验和研究的设计概念 14.1引言 14.2研究的类型 14.3设计的试验:术语 14.4控制试验误差 14.5试验单元对处理的随机化 14.6确定重复试验的次数 14.7小结 第十五章标准设计的方差分析 15.1引言和案例 15.2单因子的完全随机化设计 15.3随机化完全区组设计 15.4拉丁方设计 15.5完全随机化设计中的因子处理结构 15.6随机化完全区组设计中的因子处理结构 15.7处理差异的估计和处理均值的比较 15.8小结 重要公式 补充练习 第十六章协方差分析 16.1引言和案例 16.2具有一个协变量的完全随机化设计 16.3外推问题 16.4多维协变量和更复杂的设计 16.5小结 补充练习 第十七章一些固定效应、随机效应和混合效应模型的方差分析 17.1引言和案例 17.2具有随机处理效应的单因子试验:随机效应模型 17.3随机效应模型的扩充 17.4混合效应模型 17.5计算期望均方的规则 17.6套抽样和裂区设计 17.7小结 补充练习 第十八章重复测量与交叉设计 18.1引言和案例 18.2有重复观测的单因子试验 18.3一个因子有重复观测的两因子试验 18.4交叉设计 18.5小结 补充练习 第十九章一些非平衡设计的方差分析 19.1引言和案例 19.2有一个或多个缺失观察值的随机化区组设计 19.3有缺失数据的拉丁方设计 19.4平衡不完全区组(BIB)设计 19.5小结 重要公式 补充练习 第二十章分析结果的传达和备案 20.1引言 20.2做好传达沟通工作所面临的困难 20.3传达的障碍:图形的歪曲 20.4传达的障碍:有偏抽样 20.5传达的障碍:样本容量 20.6为统计分析准备数据 20.7统计分析的指导原则和报告 20.8文档和结果的保存 20.9小结 补充练习 附录统计表 参考文献 索引 译后记
郑州大学随机信号处理大作业 附程序, Yule-Walker法、Burg法、协方差法进行AR模型的功率谱估计。楼主拿了90+、4.0。 郑州大学随机信号处理大作业 附程序, Yule-Walker法、Burg法、协方差法进行AR模型的功率谱估计。楼主拿了90+、4.0。 1.引 1.引言 功率谱佔计是分析、了解信号所含有用信息的工具,也是信 号内在本质的也一种表现形式,功率谱密度(PSD)两数描述了随 机过程的功率随频礻的分布。其评价指标包括客观度量和统计度 量,谱分辨率特性是客观度量中的重要指标,而统计度量指标则 包括方差、均方误差等。 在频谱分析中主要包含两大类方法:古典谱估计和现代谱估 计。占典谱估计包括周期图估计法和相关法,它们都以傅里叶分 析为理论基础,计算相刈较为简单,但主要存在着分辨率低和性 能不好等问题。现代谱估计采用参数模型化的谱估计方法,通过 构造合适的系统模型,将要分析的随机信号用模型的参数来表示, 将其过程化为某系统在白噪声激劢下的输岀。常用的纯连续谱的 平稳随杋信号模型是有理分式模型,方法主要包括最大熵谱佔计、 AR模型法、MA模型法、ARMA模型法和最大似然法等,其中AR 模型用得较多。在线性估计方法大多是有偏的谱估计方法,谱分 辨率随数据长度的增加而提高。而非线性谱估计方法大多是无偏 的谱估计方法,通常可以获得高的谱分辨率。 本次实验主要利用了经典法中的周期图法和相关法、求解 Yule-Walker方程法、 Levinsη- durbin快速算法以及Bug算法实现 了对信号的功率谱估计。 2.实验原理 2.实验原理 21古典谱估计 相关法谱估计是以相关函数为媒介米计算功率谱,又叫做间接法 它的理论基础是维纳-辛钦定理,其具体实现步骤如下: 第一步,由获得的N点数据构成的有限长序列xn(n)来估计自相关 哟数,即:f(x) N一1 NAn=0AN(nXN(n+ m) 第二步,由自相关函数的傅里叶变换求功率谱,即Sx(el" 1=-(M-1) Rx(me/wi 以上两步经历了两次截断第一次是估计RX(m)时仅利用了x(n)的 N个观测值,这相当于对ⅹn)加矩形窗截断。该窗是加在数据上的, 般称为加数据窗另一次是估计Sx(e)时仅利用了从-(M1)到M-1)的 Rx(m这相当于对Rx(m加矩形窗截断将Rx(m)截成(2M1)长,这称为 加延时窗式中RX(m)和分别表示对它们和的估值由于M<N使得上 式的运算量不是很大因此在FFT问世之前,相关法是最常用的谱估计 方法。相关法谱估计的运算框图为: 快速相关 加窗截断 进行FFT 输出 矩形窗截断 除此之外,周期图法也可运用于占典谱估计。 首先,由获得的N点数据构成的有限长序列X(n)直接求傅里叶 变换,求得频谱X(e/w 2.实验原理 然后取频普幅度的平方,并除以N,以此作为对x(n)真实功率谱x(e) 的估计,即Sx(em)=3x(em)2。 用框图表示周期图法的具体实现过程如下 矩形窗截断 相乘 N点FFT (e 事实上,两种经典法的差异主要在于估计相关函数的方法不同 22 Yule-Walker方程矩阵估计 随机信号可以看作是由当前激励白噪声w(n)以及若干次以往信 号ⅹ(nk)的线性组合产生,即所谓自回归模型(AR模型)。系统输出 与系统函数可分别用公式表示为: x()=w(n) auxin k) k=1 H(z 1+∑ 7 k k=1 P阶AR模型有p+1个待定系数a1到ap和系统增益G,由上 式,可得白噪声激劢得到的系统输出 x(n)=-∑2=10kx(n-1)+Gw(n) 该式可以理解为,用n时刻之前的p个值的线性组合来预测n时 刻的值x(n,预测误差为GW(n)。在均方误差最小准则下,组合系数 a1,a2,a3…,ap的选择应使预测误差GWn)的均方值最小经过一系 2.实验原理 列的运算,最终可以得到AR模型的正则方程 r( -k, m= 1, 2 Rx(m) kRx(m -k)+g2, m=0 其中模型参数为 Yule-Walker方程: Rxx(m a kXX k=1 其矩阵形式为: R(0) R(1) R(p-1) R(1) R(1) R R(p-1) 2 R(2) R(p-1)R(p-2) R(0) R(p) 求解Yule硎 Walker方程就可以得到AR模型系数。得到参数az (i=1,23,4.p),就可以根据自相关函数和以求参数求系统增益G。 再由Sye)=Sx(e)*|H(e)2可以得到功率谱。但是这种方法直 接求解线性方程组,运算量较大,同时在用自相关法对数据开窗的辶 程中,人为假定了数据段之外的数据为0,在计算过程中引入了误差。 23 Levinson-durbin快速递推法 Levinson- durbin递推算

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值