协方差矩阵-(来自维基百科)
2017-11-30 19:16
260 查看
假设{\displaystyle X}
是以{\displaystyle
n}
个随机变数组成的列向量,
{\displaystyle \mathbf {X} ={\begin{bmatrix}X_{1}\\X_{2}\\\vdots
\\X_{n}\end{bmatrix}}}
并且{\displaystyle \mu _{i}}
是{\displaystyle
X_{i}}
的期望值,即, {\displaystyle
\mu _{i}=\mathrm {E} (X_{i})}
。协方差矩阵的第{\displaystyle
(i,j)}
项(第{\displaystyle
(i,j)}
项是一个协方差)被定义为如下形式:
{\displaystyle \Sigma _{ij}=\mathrm
{cov} (X_{i},X_{j})=\mathrm {E} {\begin{bmatrix}(X_{i}-\mu _{i})(X_{j}-\mu _{j})\end{bmatrix}}}
而协方差矩阵为:
{\displaystyle \Sigma =\mathrm {E}
\left[\left(\mathbf {X} -\mathrm {E} [\mathbf {X} ]\right)\left(\mathbf {X} -\mathrm {E} [\mathbf {X} ]\right)^{\rm {T}}\right]}
{\displaystyle ={\begin{bmatrix}\mathrm {E} [(X_{1}-\mu _{1})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{1}-\mu
_{1})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{1}-\mu _{1})(X_{n}-\mu _{n})]\\\\\mathrm {E} [(X_{2}-\mu _{2})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{2}-\mu _{2})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{2}-\mu _{2})(X_{n}-\mu _{n})]\\\\\vdots &\vdots &\ddots
&\vdots \\\\\mathrm {E} [(X_{n}-\mu _{n})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{n}-\mu _{n})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{n}-\mu _{n})(X_{n}-\mu _{n})]\end{bmatrix}}}
矩阵中的第{\displaystyle (i,j)}
个元素是{\displaystyle
X_{i}}
与{\displaystyle
X_{j}}的协方差。这个概念是对于标量随机变数方差的一般化推广。
是以{\displaystyle
n}
个随机变数组成的列向量,
{\displaystyle \mathbf {X} ={\begin{bmatrix}X_{1}\\X_{2}\\\vdots
\\X_{n}\end{bmatrix}}}
并且{\displaystyle \mu _{i}}
是{\displaystyle
X_{i}}
的期望值,即, {\displaystyle
\mu _{i}=\mathrm {E} (X_{i})}
。协方差矩阵的第{\displaystyle
(i,j)}
项(第{\displaystyle
(i,j)}
项是一个协方差)被定义为如下形式:
{\displaystyle \Sigma _{ij}=\mathrm
{cov} (X_{i},X_{j})=\mathrm {E} {\begin{bmatrix}(X_{i}-\mu _{i})(X_{j}-\mu _{j})\end{bmatrix}}}
而协方差矩阵为:
{\displaystyle \Sigma =\mathrm {E}
\left[\left(\mathbf {X} -\mathrm {E} [\mathbf {X} ]\right)\left(\mathbf {X} -\mathrm {E} [\mathbf {X} ]\right)^{\rm {T}}\right]}
{\displaystyle ={\begin{bmatrix}\mathrm {E} [(X_{1}-\mu _{1})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{1}-\mu
_{1})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{1}-\mu _{1})(X_{n}-\mu _{n})]\\\\\mathrm {E} [(X_{2}-\mu _{2})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{2}-\mu _{2})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{2}-\mu _{2})(X_{n}-\mu _{n})]\\\\\vdots &\vdots &\ddots
&\vdots \\\\\mathrm {E} [(X_{n}-\mu _{n})(X_{1}-\mu _{1})]&\mathrm {E} [(X_{n}-\mu _{n})(X_{2}-\mu _{2})]&\cdots &\mathrm {E} [(X_{n}-\mu _{n})(X_{n}-\mu _{n})]\end{bmatrix}}}
矩阵中的第{\displaystyle (i,j)}
个元素是{\displaystyle
X_{i}}
与{\displaystyle
X_{j}}的协方差。这个概念是对于标量随机变数方差的一般化推广。
相关文章推荐
- NoSQL-来自维基百科
- hjimmy 的文档: inode 介绍(来自维基百科)
- 来自维基百科对数字签名的解释
- CIE 1931 颜色空间(来自维基百科)
- BSD(Unix)家族演变历史--来自维基百科
- 遗传算法介绍三(来自维基百科)
- 世界各国信用评级[来自维基百科]
- 发布与订阅---来自维基百科
- 贝尔数(来自维基百科)& Stirling数
- 历史上的今天 API (数据来自维基百科)
- 何为一级市场 来自维基百科
- 遗传算法介绍三(来自维基百科)
- 何为二级市场 来自维基百科
- 来自维基百科 -文本信息检索
- 【备忘】尾调用(尾递归)--来自维基百科
- arp:地址解析协议(Address Resolution Protocol)(来自维基百科)
- web框架--来自维基百科
- 像素及像素深度(来自维基百科)
- 来自维基百科的BPEL
- 来自维基百科程序员Brandon Harris