Преобразование ковариационной матрицы в корреляционную матрицу
Сравнение корреляционной матрицы, полученной при применении corrcov на ковариационной матрице с корреляционной матрицей, полученной прямым вычислением с использованием corrcoef на входной матрице.
Загрузить hospital набор данных и создание матрицы, содержащей Weight и BloodPressure измерения. Обратите внимание, что hospital.BloodPressure имеет два столбца данных.
load hospital
X = [hospital.Weight hospital.BloodPressure];Вычислите матрицу ковариации.
C = cov(X)
C = 3×3
706.0404 27.7879 41.0202
27.7879 45.0622 23.8194
41.0202 23.8194 48.0590
Вычислить корреляционную матрицу из ковариационной матрицы с помощью 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
Вычислить корреляционную матрицу непосредственно с помощью corrcoef, а затем сравнить 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
Матрицы корреляции R1 и R2 одинаковые.
Найдите вектор стандартных отклонений от ковариационной матрицы и покажите соотношение между стандартными отклонениями и ковариационной матрицей.
Загрузить hospital набор данных и создание матрицы, содержащей Weight, BloodPressure, и Age измерения. Обратите внимание, что hospital.BloodPressure имеет два столбца данных.
load hospital
X = [hospital.Weight hospital.BloodPressure hospital.Age];Вычислить 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 положительным полудефинитом. Диагональные элементы C - отклонения четырех переменных в X.
Вычислить корреляционную матрицу и стандартные отклонения X из 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, а затем сравнить 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 полуопределённая матрица.
Для матрицы X, которая имеет N наблюдений (строк) и n случайных величин (столбцов), C является матрицей n-by-n. n диагональных элементов C являются дисперсиями n случайных величин в X и нулевым диагональным элементом в C указывает постоянную переменную в X.
Типы данных: single | double
R - Корреляционная матрицаКорреляционная матрица, возвращаемая как матрица, соответствующая ковариационной матрице C.
Типы данных: single | double
sigma - Стандартные отклоненияСтандартные отклонения, возвращаемые в виде вектора n-by-1.
Элементы sigma - стандартные отклонения переменных в матрице X, N-на-n, которая производит C. Ряд i в sigma соответствует стандартному отклонению столбца i в X.
Типы данных: single | double
Для двух векторов случайных величин A и B ковариация определяется как
(Bi − мкВ)
где N - длина каждого столбца, мкА и мкВ - средние значения А и В соответственно, и * обозначает комплексный конъюгат.
Ковариационная матрица двух случайных величин является матрицей парных ковариационных вычислений между каждой переменной,
cov (B, B)).
Для матрицы X, в которой каждый столбец является случайной переменной, состоящей из наблюдений, ковариационная матрица представляет собой парное вычисление ковариации между каждой комбинацией столбцов. Другими словами, X (:, j)).
Для вектора случайной величины A, составленного из N скалярных наблюдений, дисперсия определяется как
где λ - среднее значение А,
Некоторые определения дисперсии используют коэффициент нормализации N вместо N-1, но среднее всегда имеет коэффициент нормализации N.
Эта функция полностью поддерживает массивы графических процессоров. Дополнительные сведения см. в разделе Запуск функций MATLAB на графическом процессоре (панель инструментов параллельных вычислений).
Имеется измененная версия этого примера. Открыть этот пример с помощью изменений?
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.