Вход: случайный векторный X=xi, i=1.. n.
вектор средств для X=meanxi, i=1.. n
Вывод: Сигма ковариационной матрицы (n*n).
Вычисление:
1) найдите весь cov (кси, xj) = 1/n * (кси-meanxi) * (xj-meanxj), я, j=1.. n
2) Сигма (я, j) =cov (кси, xj), симметрическая матрица.
Этот алгоритм корректен и не имеет никаких побочных эффектов?
Каждый xi
должен быть вектором (случайной величиной) со своей дисперсией и средним.
Ковариационная матрица симметрична, поэтому вам просто нужно вычислить одну ее половину (и скопировать остальные) и имеет дисперсию xi по главной диагонали.
S = ...// your symmetric matrix n*n
for(int i=0; i<n;i++)
S(i,i) = var(xi);
for(j = i+1; j<n; j++)
S(i,j) = cov(xi, xj);
S(j,i) = S(i,j);
end
end
,где дисперсия (var) xi:
v = 0;
for(int i = 0; i<xi.Count; i++)
v += (xi(i) - mean(xi))^2;
end
v = v / xi.Count;
и ковариация (cov)
cov(xi, xj) = r(xi,xj) * sqrt(var(xi)) * sqrt(var(xj))
,где r(xi, xj)
— Коэффициент корреляции произведения Пирсона
EDIT
или, поскольку cov(X, Y) = E(X*Y) — E(X)*E(Y)
cov(xi, xj) = mean(xi.*xj) - mean(xi)*mean(xj);
, где .*
— поэлементное умножение, подобное Matlab.
Таким образом, если x = [x1, x2]
, y = [y1, y2]
, то z = x.*y = [x1*y1, x2*y2]
;