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 + b  cos (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:

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.