本文介绍了统计学基本概念，包括均值、方差和标准差，并详细探讨了协方差及其作用，说明了协方差如何衡量多维数据中各变量的相关性。接着解释了协方差矩阵的概念，通过一个三维例子展示了协方差矩阵的构造。最后，文章提供了一个使用Matlab计算协方差矩阵的实战示例，强调计算过程中要注意的不同维度间的协方差计算。
一、统计学的基本概念
统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述：
均值：
标准差：
方差：
均值描述的是样本集合的中间点，它告诉我们的信息是有限的，而标准差给我们描述的是样本集合的各个样本点到均值的距离之平均。
以这两个集合为例，[0, 8, 12, 20]和[8, 9, 11, 12]，两个集合的均值都是10，但显然两个集合的差别是很大的，计算两者的标准差，前者是8.3后者是1.8，显然后者较为集中，故其标准差小一些，标准差描述的就是这种“散布度”。之所以除以n-1而不是n，是因为这样能使我们以较小的样本集更好地逼近总体的标准差，即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。
二、为什么需要协方差
标准差和方差一般是用来描述一维数据的，但现实生活
最低0.47元/天 解锁文章
扫一扫
456
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
