协方差与协方差矩阵协方差与协方差矩阵
协方差是统计学上表示两个随机变量之间的相关性,随机变量的离差与随机变量,的,
K离差的乘积的数学期望叫做随机变量与,的协方差(也叫相关矩),记作:,,,
,记为 cov(,),,KEEEEEE,,,,,[()()](),,,,,,,,,,
对于离散随机变量,我们有;KxEyEpxy,,,()()(,),,ii,,,,iiij
,,,,对于连续随机变量,我们有,随机变量的协方KxEyExydxdy,,,()()(,),,,,,,,,,,,
差用来描述随机变量之间的相关性,我们指出,独立随机变量的...
协方差与协方差矩阵
协方差是统计学上表示两个随机变量之间的相关性,随机变量的离差与随机变量,的,
K离差的乘积的数学期望叫做随机变量与,的协方差(也叫相关矩),记作:,,,
,记为 cov(,),,KEEEEEE,,,,,[()()](),,,,,,,,,,
对于离散随机变量,我们有;KxEyEpxy,,,()()(,),,ii,,,,iiij
,,,,对于连续随机变量,我们有,随机变量的协方KxEyExydxdy,,,()()(,),,,,,,,,,,,
差用来描述随机变量之间的相关性,我们指出,独立随机变量的协方差等于零,即如果与,
在统计学与概率论中, 协方差矩阵是一个矩阵,这是从标量随机变量到高维度随机向量
K,,独立,则=0. 如果与相同,则协方差就是变量的方差。的自然推广。协方差矩,,,,
阵对于多元随机变量,一般是对于一个多维随机变量来讲的,表现的是随机变量X各个元素分量(为1维随机变量)之间的相互关系,每一项都对应着其中两个变量的协方差,组合起来就是协方差矩阵了,比如 一个n维的随机变量X,其协方差矩阵之第ij个元素即为E[(Xi-E(Xi))*(Xj-E(Xj))],Xi和Xj分别表示X的第i个和第j个元素分量。
2Q比如:随机变量x和y,为它们的协方差矩阵,为随机变量i和j的协方差,,nij
TuxynN,,(,),1,...,xd,cos,yd,sin, ,其中, ,,nnnnnnnnn
(,)d,N为扫描数据点个数。现实中,由于测量值受噪声干扰,假设它们分别服从高斯白nn
22,,噪声分布且互相独立,方差分别为和,则: d,
22,,,,,,,,uuuuxxy22TTnnnnQ()()()(),,,,,,,,nd 22dd,,,,,,nnnn,,,,xyy,,
22222,,,,2cossin22sinsin2,,,,,,,()dnnnndn,,, ,,,,2222sin22sinsin22cos,,,,,nnnn,,,,
补充知识:
Px(),,x数学期望:随机变量,的一切可能值与对应的概率的乘积的和叫做随机变量,ii
的数学期望,记作。数学期望从几何意义上来说,就是分布曲线与x轴之间的平面图形E,
的重心的横坐标,它是反映均值的问题。
离差:叫做随机变量的离差。 ,,,,,E,
方差:随机变量的离差的平方的数学期望叫做随机变量的方差,记作,也记作D,var(),,,
22DxEpx,,,,()()DEE,,,,,(),,于是,对于离散随机变量,我们有。,iii
2,,对于连续随机变量,我们有DxExdx,,,,,()(),由方差的定义可知,随机变量的,,,
方差总是一个正数,显然,当随机变量的可能值密集在数学期望的附近时,方差较小,在相反情况下,方差较大。所以,由方差的大小可以推断随机变量分布的分散程度。方差是反映了随机变量的一切可能值在数学期望周围的分散程度。
本文档为【协方差与协方差矩阵】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。