статистика::

Вычислите корреляционную матрицу, сопоставленную с ковариационной матрицей

Блокноты MuPAD® будут демонтированы в будущем релизе. Используйте live скрипты MATLAB® вместо этого.

Live скрипты MATLAB поддерживают большую часть функциональности MuPAD, хотя существуют некоторые различия. Для получения дополнительной информации смотрите, Преобразовывают Notebook MuPAD в Live скрипты MATLAB.

Синтаксис

stats::correlationMatrix(cov)

Описание

stats::correlationMatrix(cov) возвращает в корреляционную матрицу cor ковариационной матрицы отклонения cov. Этим дают:

.

C ковариационной матрицы должен быть положительным (полу-) определенный и следовательно удовлетворяет |Cij|2 C ii  Cjj для всех индексов i, j. Следовательно, абсолютные значения записей соответствующей корреляционной матрицы не превышают 1.

С опцией CovarianceMatrix стандартный stats::reg возвращает ковариационную матрицу отклонения подходящих параметров в регрессионном анализе. Соответствующая корреляционная матрица подходящих параметров вычисляется удобно путем применения stats::correlationMatrix к этой матрице. Cf. Пример 2.

Примеры

Пример 1

Мы генерируем положительную определенную матрицу, которая может служить ковариационной матрицей:

A := matrix([[4, -3, 2], [-1, 2, 1], [0, 1, 1]]):
cov := A*linalg::transpose(A)

Соответствующая корреляционная матрица:

stats::correlationMatrix(cov)

Если входная матрица состоит из данных с плавающей точкой, результатом является матрица плаваний:

stats::correlationMatrix(float(cov))

delete A, cov:

Пример 2

Мы рассматриваем ковариационную матрицу, возникающую в нелинейной проблеме регрессии. Образцовый функциональный y = a + bcos (x - c) должен быть подходящим к следующим рандомизированным данным:

r := stats::uniformRandom(-0.1, 0.1):
xdata := [i $i = 1..100]:
ydata := [1 + 2*cos(x - 3) + r() $ x in xdata]:

Конструкцией отклонение значений y является отклонением равномерно распределенных случайных данных по интервалу [-0.1, 0.1] сгенерированный случайным генератором r. Это отклонение. Мы используем stats::reg, чтобы получить оценки подходящих параметров a, b, c модели. Соответствующими весами для регрессии дают. Опция CovarianceMatrix заставляет stats::reg включать ковариационную матрицу cov подходящих параметров в его списке возвратов:

weights := [300 $ i = 1..100]:
DIGITS:= 4:
[abc, chisquare, cov] :=
   stats::reg(xdata, ydata, weights, a + b*cos(x - c), 
              [x], [a, b, c], StartingValues = [1, 2, 3],
              CovarianceMatrix)

Корреляционная матрица параметров a, b, c получен через stats::correlationMatrix, применился к ковариационной матрице cov, возвращенный stats::reg:

stats::correlationMatrix(cov)

delete r, xdata, ydata, weights, DIGITS, abc, chisquare, cov:

Параметры

cov

Ковариационная матрица: квадратная матрица категории Cat::Matrix или массив.

Возвращаемые значения

Матрица той же размерности и типа как входная матрица cov. FAIL возвращен, если по крайней мере один из диагональных элементов входной матрицы cov является нулем.

Смотрите также

Функции MuPAD

Для просмотра документации необходимо авторизоваться на сайте