自協方差函式,自相關函式,協方差矩陣
1.自相關函式(Autocorrelation function)
自相關函式是描述隨機訊號X(t)在任意兩個不同時刻t1,t2,的取值之間的相關程度
2.
自協方差函式(Autocovariance function)
自協方差函式是描述隨機訊號X(t)在任意兩個不同時刻t1,t2,的取值之間的二階混合中心矩,用來描述X(t)在兩個時刻取值的起伏變化(相對與均值)的相關程度,也稱為中心化的自相關函式。
當時,
顯然,自協方差函式和自相關函式描述的特性基本相同。
3. 協方差矩陣
記住,X、Y是一個列向量,它表示了每種情況下每個樣本可能出現的數。比如給定
由於資料是二維的,所以協方差矩陣是一個2*2的矩陣,矩陣的每個元素為:元素(i,j) = (第 i 維所有元素 - 第 i 維的均值) * (第 j 維所有元素 - 第 j 維的均值) 。
其中「*」代表向量內積符號,即兩個向量求內積,對應元素相乘之後再累加。
我們首先列出第一維:D1: (1,3,4,5) 均值:3.25
D2: (2,6,2,2) 均值:3
下面計算協方差矩陣第(1,2)個元素:
元素(1,2)=(1-3.25,3-3.25,4-3.25,5-3.25)*(2-3,6-3,2-3,2-3)=-1
類似的,我們可以把2*2個元素都計算出來:
這個題目的最終結果就是:
用matlab計算這個例子
z=[1,2;3,6;4,2;5,2]
cov(z)
ans =
2.9167 -0.3333
-0.3333 4.0000
可以看出,matlab計算協方差過程中還將元素統一縮小了3倍。所以,協方差的matlab計算公式
協方差(i,j)=(第i列所有元素-第i列均值)*(第j列所有元素-第j列均值)/(樣本數-1)
參考:
[1] http://en.wikipedia.org/wiki/Covariance_matrix
[2] http://www.cnblogs.com/cvlabs/archive/2010/05/08/1730319.html
[3]http://blog.csdn.net/ybdesire/article/details/6270328
[4] http://202.117.122.42:9001/xhxt/xhyxt/xuexi/chart9/c_9_2_3_001.htm