1. 協方差
cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變量X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變量X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論
舉例：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02
Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02
此外：還可以計算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相關系數：
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979
表明這組數據X,Y之間相關性很好!
2. 協方差矩陣
協方差矩陣 求法
3. 馬氏距離
求馬氏距離具體實例
https://www.cnblogs.com/kailugaji/p/10252280.html
>> x=[155 66;180 71;190 73;160 60;190 68;150 58;170 75] x = 155 66 180 71 190 73 160 60 190 68 150 58 170 75 >> cov=cov(x) cov = 1.0e+02 * 2.702380952380953 0.739285714285714 0.739285714285714 0.412380952380952 >> s=inv(cov) s = 0.007261927639280 -0.013018640484967 -0.013018640484967 0.047588267151168 >> a=[-25 -5]*s*[-25;-5] a = 2.473751332087140 >> sqrt(a) ans = 1.572816369474561
4. 樣本的標准差
5. cov（X,X） = var(X)
6. 正定矩陣
7. 方差公式
