协方差cov(X),cov(X,Y)；变异系数c.v

首先看看 均值，样本方差，样本协方差 公式区别

$\bar{X}$ = $\frac{1}{N}{\sum }_{i=1}^N{x}_i$

S = $\frac{1}{N-1}{\sum }_{i=1}^N(x_i-\bar{x})$

cov(x,y) = $\frac{1}{N-1}{\sum }_{i=1}^N(x_i-\bar{x})(y_i-\bar{y})$

其中，样本方差公式中为什么除的n-1而不是n，样本协方差同样除的是n-1而不是n，请看此处：http://blog.csdn.net/maoersong/article/details/21819957，如果除的是n，那么求的方差就不是随机抽取变量组成样本的方差，而是整个空间的方差。

协方差 cov(x)

- x 为一个样本向量

cov(x)计算的是样本方差的无偏估计，但不是真正的方差$s^2$，真正的方差是样本的最大似然估计，可以用cov(x,1)计算。
cov(x) = $\frac{{\sum }_{i=1}^n(x-\bar{x})}{n-1}$

cov(x,1) = $s^2$ = $\frac{{\sum }_{i=1}^n(x-\bar{x})}{n}$

- x 为一个样本矩阵

若x=$(x_1,x_2,...,x_n{)}^T$是n维矩阵，即n个样本变量，cov(x)得到n×n的矩阵

其中对角线元素是每个维度的方差，非对角线上的元素则是不同维度间的协方差，$c_{12}=c_{21}$。

协方差 cov(x,y)

x=[$a_1,a_2,...,a_m$]
y=[$b_1,b_2,...,b_m$]
z=$\left(\begin{array}{cccc}{a}_1& a_2& ...& a_m\\ b_1& b_2& ...& b_m\end{array}\right)$

cov(x,y) = cov(z)
cov(z)其实就是把cov(x,y)中两个变量纵向拼接在一起作为z参与运算。

所以，协方差矩阵运算时，首先要明确矩阵的一行是一组样本还是一列。

变异系数 c.v

比较两组数据离散程度，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响。
c.v = （标准差 s / 平均值 $\bar{x}$）× 100%
进行数据分析时，若变异系数大于15%，则考虑该数据可能不正常，应该剔除。

————————————————
版权声明：部分内容参考「月亮是蓝色」的文章，
原文链接：https://blog.csdn.net/lyl771857509/article/details/79439184