Directorio artículo
Varianza y la desviación estándar se utiliza generalmente para describir unidimensional de datos
Se utiliza para describir covarianza de datos de dos dimensiones
matriz de covarianza utiliza para describir los datos bidimensionales y por encima
Covarianza para la correlación entre los datos
expectativa
¿Por qué esperar mención que, definitivamente hay una relación de le. Vamos, vamos, primero una revisión breve de la esperanza matemática bajo el conocimiento relevante.
Todos los posibles valores de probabilidad xi y correspondientes variable aleatoria discreta Pi (= xi) el producto de la esperanza matemática y llamados las variables discretas aleatorias (serie el grupo de convergencia absoluta), denotados por E (x). Una de las características más básicas de matemáticas de variables aleatorias. Refleja el valor medio del tamaño de variable aleatoria. También conocido como esperado o media.
Si la función de distribución de la variable aleatoria X F (x) se puede expresar como un no negativo función integrable f (x) es la integral, entonces X es una variable aleatoria continua, f (x) se llama la función de densidad de probabilidad de X (la densidad de distribución función).
diferencia
desviación estándar:
Varianza
La varianza es la diferencia al cuadrado promedio de la media de los datos respectivos. En teoría de la probabilidad y la estadística, la varianza (varianza Inglés) se utiliza para medir las variables aleatorias y su esperanza matemática (es decir media) entre el grado de desviación. En muchos problemas prácticos, el grado de desviación entre la investigación y las variables aleatorias medias tiene un significado muy importante.
Varianza caracteriza el valor del aleatoria discreta grado variable por su esperanza matemática.
covarianza
desviación estándar y la varianza se utilizan generalmente para describir los datos de una dimensión, pero en la vida real que a menudo los conjuntos de datos que contienen datos multidimensionales encuentro, el más simple es inevitable recurrir a múltiples puntuaciones de pruebas estadística cuando vamos a la escuela. Frente a este conjunto de datos, podemos seguir un curso independiente de cálculo de la varianza de cada dimensión, pero por lo general que quiera saber más, por ejemplo, un grado de niño infeliz con su título de acogida por las chicas si hay alguna conexión. Covarianza es una estadística tales utilizado para medir la relación entre dos variables aleatorias, podemos definir varianza modelado:
para medir el grado de desviación de la media de cada dimensión de la covarianza puede ser definido como esto:
los resultados de covarianza ¿qué es lo ? Si el resultado es positivo, entonces los dos están correlacionados positivamente (de covarianza puede conducir a la definición de "coeficiente de correlación" a), es decir, una persona más miserable, más bien acogida por las chicas. Si el resultado es negativo, significa que los dos están correlacionados negativamente, el más molesto de la más desgraciada niña. Si es 0, no existe una relación entre los dos, y no es desgraciado desgraciados chicas como ella o no hay correlación entre, es decir estadísticamente "independiente".
De la definición de la covarianza podemos ver un poco de naturaleza obvia, como por ejemplo:
matriz de covarianza
cuestiones miserables y populares mencionado anteriormente es un problema típico de dos dimensiones, y la covarianza sólo puede manejar un problema de dos dimensiones, y que la dimensión más naturalmente necesitan para calcular múltiples covarianza, como conjunto de datos de n dimensiones se requiere calcular una covarianza, que, naturalmente, pensamos en el uso de una matriz para organizar los datos. Da la matriz de covarianza se define:
Esta definición es muy fácil de entender, podemos dar un ejemplo tridimensional, se supone que el conjunto de datos tiene tres dimensiones, la matriz de covarianza:
visibles, la matriz de covarianza es una matriz simétrica, sino también molduras es la varianza de cada dimensión