均值、方差、标准差及协方差、协方差矩阵详解
一、统计学基本概念:均值、方差、标准差
统计学里最基本的概念就是样本的均值、方差、标准差。首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述:
均值:
方差:
标准差:
均值描述的是样本集合的中间点,它告诉我们的信息是有限的。
而标准差给我们描述的是样本集合的各个样本点到均值的距离之平均。
以这两个集合为例,[0, 8, 12, 20]和[8, 9, 11, 12],两个集合的均值都是10,但显然两个集合的差别是很大的,计算两者的标准差,前者是8.3后者是1.8,显然后者较为集中,故其标准差小一些,标准差描述的就是这种“散布度”。之所以除以n-1而不是n,是因为这样能使我们以较小的样本集更好地逼近总体的标准差,即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。
二、协方差及其意义
标准差和方差一般是用来描述一维数据的,但现实生活中我们常常会遇到含有多维数据的数据集,最简单的是大家上学时免不了要统计多个学科的考试成绩。面对这样的数据集,我们当然可以按照每一维独立的计算其方差,但是通常我们还想了解更多,比如,一个男孩子的猥琐程度跟他受女孩子的欢迎程度是否存在一些联系。协方差就是这样一种用来度量两个随机变量关系的统计量,我们可以仿照方差的定义:
来度量各个维度偏离其均值的程度,协方差可以这样来定义:
协方差的结果有什么意义呢?如果结果为正值,则说明两者是正相关的(从协方差可以引出“相关系数”的定义),也就是说一个人越猥琐越受女孩欢迎。如果结果为负值, 就说明两者是负相关,越猥琐女孩子越讨厌。如果为0,则两者之间没有关系,猥琐不猥琐和女孩子喜不喜欢之间没有关联,就是统计上说的“相互独立”。
从协方差的定义上我们也可以看出一些显而易见的性质,如:
三、协方差矩阵
前面提到的猥琐和受欢迎的问题是典型的二维问题,而协方差也只能处理二维问题,那维数多了自然就需要计算多个协方差,比如n维的数据集就需要计算个协方差,那自然而然我们会想到使用矩阵来组织这些数据。给出协方差矩阵的定义:
这个定义还是很容易理解的,我们可以举一个三维的例子,假设数据集有三个维度,则协方差矩阵为:
可见,协方差矩阵是一个对称的矩阵,而且对角线是各个维度的方差。
参考:http://www.cnblogs.com/chaosimple/p/3182157.html
推荐一个自己业余时间开发的网盘搜索引擎,360盘搜(www.360panso.com)
转载于:https://www.cnblogs.com/eczhou/p/5434996.html
均值、方差、标准差及协方差、协方差矩阵详解相关推荐
- MATLAB的var与std函数 与 均值,方差,标准差,均方差,均分误差
从定义上来讲,(样本)均值,方差,标准差,均方差,均分误差分别为: 均值: 方差: 标准差: 均方差=标准差 均方误差: matlab中的var函数和std函数用来计算方差 var函数计算使用的公式为 ...
- 【问题记录】均值-方差-标准差 计算器(已解决)
问题记录 在Freecodecamp上做[均值-方差-标准差 计算器]这个项目时,测试时出现如下报错:unsupported operand type(s) for -: 'dict' and 'di ...
- 非局部相似性 matlab,非局部均值滤波(NLM)和MATLAB程序详解视频教程保持图像细节...
[内容简介]<非局部均值滤波与应用和MATLAB程序详解视频>共6章28节视频,总学时698分钟,合11.6小时.主要内容包括:非局部均值滤波类算法入门,基于滤波参数自适应的非局部均值滤波 ...
- echarts3.0 markline 最大值 最小值 均值 方差 标准差 包络 正态分布
if (pie == "最大值" || pie == "最小值" || pie == "均值" || pie == "标准差&qu ...
- 协方差和协方差矩阵详解
理解协方差矩阵的关键就在于牢记它计算的是不同维度之间的协方差,而不是不同样本之间,拿到一个样本矩阵,我们最先要明确的就是一行是一个样本还是一个维度,心中明确这个整个计算过程就会顺流而下,这么一来就 ...
- 协方差矩阵数学原理,numpy计算协方差矩阵(np.cov)函数详解与源码剖析
协方差矩阵详解以及numpy计算协方差矩阵(np.cov) 协方差矩阵详解 均值,标准差与方差 由简单的统计学基础知识,我们有如下公式: X ˉ = ∑ i = 1 n X i n \bar X{\r ...
- 【OpenCV 4开发详解】均值滤波
本文首发于"小白学视觉"微信公众号,欢迎关注公众号 本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
- 机器学习:数据预处理之独热编码(One-Hot)详解
一. 什么是独热编码? ---------------------------------------- 在机器学习算法中,我们经常会遇到分类特征,例如:人的性别有男女,祖国有中国,美国,法国等. 这 ...
- 【OpenCV 4开发详解】高斯滤波
本文首发于"小白学视觉"微信公众号,欢迎关注公众号 本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
最新文章
- 2019年的人工智能,那些吹过的牛能实现吗?
- shell脚本执行及配置文件
- 去除0值和nan_Pandas 1.0的新功能
- python操作mysql(四)
- 【C++教程】02.环境配置
- JQuery.validate.js 表单验证
- 使用windows activeX 在Webclient UI 中打开word文档
- Eclipse 导入项目乱码问题
- DownloadManager不好用?试试ZlsamDownloadService
- gcc mips64编译后无法运行在octeon上运行_V 语言运行hello world程序
- C语言基础专题 - 通过案例历学 - 结构体
- 前端每日实战:91# 视频演示如何用纯 CSS 创作一个行驶中的火车 loader
- 搭建测试环境如何配置软件,软件测试环境的搭建(Windows版)
- leaflet 加载海量点位,点击marker 查看详情功能
- Spring-statemachine有限状态机(FSM)使用教程详解
- 时序分析模型——MMMC
- 条码标签里的数据源如何使用
- 重磅!2022国家杰青,硕博校友统计出炉
- java chmod 777_chmod 777 修改权限
- Python 办公效率化学习(自学)四.Excel文件的写入
热门文章
- java毕业设计汽车资讯网站mybatis+源码+调试部署+系统+数据库+lw
- 痞子衡嵌入式:实抓Flash信号波形来看i.MXRT的FlexSPI外设下AHB读访问情形(全加速)...
- https根据key/crt文件生成中间件证书pem
- CS224W: Machine Learning with Graphs - 09 How Expressive are GNNs
- 大专的我狂刷29天“阿里内部面试笔记”最终直接斩获十七个Offer
- DevTools手机使用
- Kylin V3 麒麟Linux V3 工作站安装中文输入法(五笔)
- 华为拓扑---***的配置
- 支付宝人脸支付接入流程
- CentOS 7中解决“xxx is not in the sudoers file”的问题