相关系数和协方差所表示的意义有什么区别_百度知道关于方差、协方差、协方差矩阵的概念及意义
离散型随机变量的一切可能的取值xi与对应的概率Pi(=xi)之积的和称为该离散型随机变量的数学期望（设级数绝对收敛），记为
E（x）。随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。
若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数（分布密度函数）。
方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。
方差刻画了随机变量的取值对于其数学期望的离散程度。
方差深入：
很显然，均值描述的是样本集合的中间点，它告诉我们的信息是很有限的，而标准差给我们描述的则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而不是除以n，是因为这样能使我们以较小的样本集更好的逼近总体的标准差，即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。
标准差（Standard Deviation）
，也称均方差（mean square error），是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。
协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。
方差分析是从质量因子的角度探讨因素不同水平对实验指标影响的差异。一般说来，质量因子是可以人为控制的。
回归分析是从数量因子的角度出发，通过建立回归方程来研究实验指标与一个（或几个）因子之间的数量关系。但大多数情况下，数量因子是不可以人为加以控制的。
在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
上面几个统计量看似已经描述的差不多了，但我们应该注意到，标准差和方差一般是用来描述一维数据的，但现实生活我们常常遇到含有多维数据的数据集，最简单的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欢迎程度是否存在一些联系啊，嘿嘿~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。
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就越受女孩子欢迎，嘿嘿，那必须的~结果为负值就说明负相关的，越猥琐女孩子越讨厌，可能吗？如果为0，也是就是统计上说的“相互独立”。
必须要明确一点，协方差矩阵计算的是不同维度之间的协方差，而不是不同样本之间的。
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，这么一来就不会迷茫了~
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。总体或样本的协方差(矩阵)和相关系数(矩阵)的系统定义--《统计与决策》2016年08期
总体或样本的协方差(矩阵)和相关系数(矩阵)的系统定义
【摘要】：文章按照统一的思路系统地定义了总体或样本的协方差(矩阵)和相关系数(矩阵)。同时也给出了这些概念的一些性质。
【作者单位】：
【关键词】：
【基金】：
【分类号】：O212.1【正文快照】：
0引言虽然总体或样本的协方差(矩阵)和相关系数(矩阵)在很多教科书中[1-13]都有定义,但它们的定义并不全面(如没有样本的协方差矩阵和相关系数矩阵的定义),并且定义的思路不太具有系统性,因此我们在本文给出这些概念的系统定义。1定义下面我们来定义一元随机变量X和Y的总体的
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
周沅帆;;[J];中央财经大学学报;2008年09期
林正炎;[J];数学的实践与认识;1979年03期
沈世镒;;[J];应用概率统计;1992年01期
范文正;[J];统计与决策;2002年06期
李秀敏;江卫华;;[J];数学的实践与认识;2006年12期
林洪,费平;[J];中国统计;1992年07期
孙兰芸;[J];承德民族师专学报;1998年02期
罗亮畴;[J];统计研究;1985年01期
傅德印;;[J];西安统计学院学报;1994年01期
林秀梅;[J];中国统计;1995年06期
中国重要会议论文全文数据库
李卫国;张俊梅;;[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
中国博士学位论文全文数据库
宋栋鸣;[D];华东理工大学;2013年
中国硕士学位论文全文数据库
吴婉莹;[D];安徽大学;2014年
李宏伟;[D];东北师范大学;2013年
刘丹;[D];曲阜师范大学;2015年
蒋敬;[D];上海交通大学;2015年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号PCA算法里面为何用协方差矩阵而随机矩阵理论用的是相关性矩阵？两种矩阵求得的特征值特征向量区别在哪？
在考虑一组数据在哪个方向上的映射是最大的问题时，PCA算法里用的是协方差矩阵求最大特征值，而随机矩阵理论里面用的是相关性矩阵（原始数据归一化之后的协方差矩阵）来求最大特征值。但这两种矩阵求得的结果是不一样的，区别在哪里？
已有帐号？
无法登录？
社交帐号登录已知随机向量（X，Y）的协方差矩阵V为求随机向量（X＋Y， X—Y）的协方差矩阵与相关系数矩阵。求解啊啊啊啊啊啊啊啊啊~~~~~~
乔叔总攻304
不可能知道，除非你假设随机变量的分布
可以考虑使用matlab命令实现
为您推荐：
扫描下载二维码}