Преобразуйте ковариационную матрицу в корреляционную матрицу
R = corrcov(C)
[R,sigma] = corrcov(C)
Сравните корреляционную матрицу, полученную путем применения corrcov
на ковариационную матрицу с корреляционной матрицей, полученной прямым вычислением с помощью corrcoef
на входной матрице.
Загрузите набор данных hospital
и создайте матрицу, содержащую измерения BloodPressure
и Weight
. Обратите внимание на то, что hospital.BloodPressure
имеет два столбца данных.
load hospital
X = [hospital.Weight hospital.BloodPressure];
Вычислите ковариационную матрицу.
C = cov(X)
C = 3×3
706.0404 27.7879 41.0202
27.7879 45.0622 23.8194
41.0202 23.8194 48.0590
Вычислите корреляционную матрицу из ковариационной матрицы при помощи corrcov
.
R1 = corrcov(C)
R1 = 3×3
1.0000 0.1558 0.2227
0.1558 1.0000 0.5118
0.2227 0.5118 1.0000
Вычислите корреляционную матрицу непосредственно при помощи corrcoef
, и затем сравните R1
с R2
.
R2 = corrcoef(X)
R2 = 3×3
1.0000 0.1558 0.2227
0.1558 1.0000 0.5118
0.2227 0.5118 1.0000
Корреляционные матрицы R1
и R2
являются тем же самым.
Найдите вектор стандартных отклонений от ковариационной матрицы и покажите отношение между стандартными отклонениями и ковариационной матрицей.
Загрузите набор данных hospital
и создайте матрицу, содержащую Weight
, BloodPressure
и измерения Age
. Обратите внимание на то, что hospital.BloodPressure
имеет два столбца данных.
load hospital
X = [hospital.Weight hospital.BloodPressure hospital.Age];
Вычислите ковариационную матрицу X
.
C = cov(X)
C = 4×4
706.0404 27.7879 41.0202 17.5152
27.7879 45.0622 23.8194 6.4966
41.0202 23.8194 48.0590 4.0315
17.5152 6.4966 4.0315 52.0622
C
является квадратным, симметричным, и положительный полуопределенный. Диагональные элементы C
являются отклонениями этих четырех переменных в X
.
Вычислите корреляционную матрицу и стандартные отклонения X
от ковариационной матрицы C
.
[R,s1] = corrcov(C)
R = 4×4
1.0000 0.1558 0.2227 0.0914
0.1558 1.0000 0.5118 0.1341
0.2227 0.5118 1.0000 0.0806
0.0914 0.1341 0.0806 1.0000
s1 = 4×1
26.5714
6.7128
6.9325
7.2154
Вычислите квадратный корень диагональных элементов в C
, и затем сравните s1
с s2
.
s2 = sqrt(diag(C))
s2 = 4×1
26.5714
6.7128
6.9325
7.2154
s1
и s2
равны и соответствуют стандартному отклонению переменных в X
.
C
Ковариационная матрицаКовариационная матрица, заданная как квадратная, симметричная, и положительная полуопределенная матрица.
Для матричного X, который имеет наблюдения N (строки) и случайные переменные n (столбцы), C
является n-by-n матрица. Элементы диагонали n C
являются отклонениями случайных переменных n в X, и нулевой диагональный элемент в C
указывает на постоянную переменную в X.
Типы данных: single | double
R
Корреляционная матрицаКорреляционная матрица, возвращенная как матрица, которая соответствует ковариационной матрице C
.
Типы данных: single | double
\sigma
Стандартные отклоненияСтандартные отклонения, возвращенные как n-by-1 вектор.
Элементы sigma
являются стандартными отклонениями переменных в X, N-by-n матрица, которая производит C
. Строка i
в sigma
соответствует стандартному отклонению столбца i
в X.
Типы данных: single | double
Для двух векторов случайной переменной A и B, ковариация задана как
где N является длиной каждого столбца, μA и μB являются средними значениями A и B, соответственно, и *
обозначает сопряженное комплексное число.
Ковариационная матрица двух случайных переменных является матрицей попарных вычислений ковариации между каждой переменной,
Для матричного X, в котором каждый столбец является случайной переменной, состоявшей из наблюдений, ковариационная матрица является попарным вычислением ковариации между каждой комбинацией столбца. Другими словами, .
Для вектора случайной переменной A сочинил скалярных наблюдений N, отклонение задано как
где μ является средним значением A,
Некоторые определения отклонения используют коэффициент нормализации N вместо N–1, но среднее значение всегда имеет коэффициент нормализации N.
Эта функция полностью поддерживает массивы графического процессора. Для получения дополнительной информации смотрите функции MATLAB Выполнения на графическом процессоре (Parallel Computing Toolbox).
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.