本文探讨了协方差和协方差矩阵在概率论和统计学中的概念及其实际意义。协方差用于衡量两个随机变量的相关性，正值表示正相关，负值表示负相关，而0则表示不相关。相关系数ρ提供了协方差的标准度量。协方差矩阵在多维空间中表示多个随机变量之间的相互关系，是一个对称阵。虽然在二维空间中一个协方差就足够，但在高维空间中，协方差矩阵提供了一种简洁的表示方式。文章还提及了如何计算协方差矩阵，并通过例子验证了计算公式。最后，作者表达了对协方差矩阵在阵列信号处理中应用的兴趣。
在概率论中学过期望，方差，协方差和相关系数，现在又跳出来个协方差矩阵，来看下协方差和协方差矩阵的实际意义
-
协方差
用来描述两个随机变量之间的相关性，其定义为
C O V ( X , Y ) = E [ X Y ] − E [ X ] E [ Y ] = E [ X − E [ X ] ] [ Y − E [ Y ] ] COV(X,Y)=E[XY]-E[X]E[Y]=E[X-E[X]][Y-E[Y]] COV(X,Y)=E[XY]−E[X]E[Y]=E[X−E[X]][Y−E[Y]]
协方差的数值计算公式
C O V ( x , y ) = ∑ i = 1 n ( x i − x ‾ ) ( y i − y ‾ ) n − 1 COV(x,y)=\frac{\displaystyle\sum_{i=1}^{n}{(x_i-\overline{x})(y_i-\overline{y})}}{n-1} COV(x,y)=n−1i=1∑n(xi−x)(yi−y)
注意区别这两个公式，上面那个是大写字母下面是小写字母，大写字母表示随机变量，服从一定的分布，比如正态分布等；小写字母表示数字或者矩阵，是可以把值代入计算的。特例
C O V ( X , X ) = D ( X ) COV(X,X)=D(X) CO
最低0.47元/天 解锁文章
6999
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
