學過概率統計的孩子都知道，統計里最基本的概念就是樣本的均值，方差，或者再加個標准差。首先我們給你一個含有n個樣本的集合，依次給出這些概念的公式描述，這些高中學過數學的孩子都應該知道吧，一帶而過。 很顯然，均值描述的是樣本集合的中間點，它告訴我們的信息是很有限的，而標准差給我們描述的則是樣本集 ...

如下： 協方差表示二維數據，表示兩個變量在變化的過程中是正相關還是負相關還是不相關 ...

機器視覺中，常用到協方差相關的知識，特別是基於統計框架下的機器學習算法，幾乎無處不在的用到它，因此了解協方差是再基礎不過的了。這里推薦一個很不錯的基礎教程：協方差的意義和計算公式 均值和方差 引入協方差之前，先簡單回顧下概率統計中的兩個重要基礎概念：均值 ...

協方差與相關系數 協方差 二維隨機變量（X，Y），X與Y之間的協方差定義為： Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} 其中：E(X)為分量X的期望，E(Y)為分量Y的期望 協方差Cov(X,Y)是描述隨機變量相互關聯程度的一個特征數。從協方差的定義 ...

一、協方差定義 二、性質 三、相關系數定義 四、性質 五、習題 ...

摘要：最近在學習機器學習/數據挖掘的算法,在看一些paper的時候經常會遇到以前學過的數學公式或者名詞,又是總是想不起來,所以在此記錄下自己的數學復習過程,方便后面查閱。 1：數學期望 數學期望是 ...

一、期望 在概率論和統計學中，數學期望（或均值，亦簡稱期望）是試驗中每次可能結果的概率乘以其結果的總和。它反映隨機變量平均取值的大小。 線性運算： 推廣形式： 函數期望：設f(x)為x的函數，則f(x)的期望為 　　離散函數： 　　　　 　　連續函數 ...

協方差對於變量X、Y，協方差的定義為每個時刻的“X值與其均值之差”乘以“Y值與其均值之差”的均值（其實是求“期望”）。因此，如果x與x的均值差與y與y的均值差的符號相同，則協方差值大於0，符號相反，則協方差值小於0，總結如下： 圖2 圖3 圖4 解釋 ...