方差,協方差

在機器學習PCA,ARIMA中涉及到了方差var和協方差cov,這裏簡單總結下。 
首先:均值,樣本方差,樣本協方差的公式爲:

均值:          \overline{X}=\frac{1}{N} \sum_{i=1}^{N} X_{i}

 

方差:v a r=\frac{1}{N} \sum_{i=1}^{N}\left(X_{i}-\overline{X}\right)^{2}

 

樣本方差: S=\frac{1}{N-1} \sum_{i=1}^{N}\left(X_{i}-\overline{X}\right)^{2}

 

樣本協方差 : c o v=\frac{1}{N-1} \sum_{i=1}^{N}\left(X_{i}-\overline{X}\right)\left(Y_{i}-\overline{Y}\right)

 

首先我們應該清楚的區分兩個概念,即方差和樣本方差的無偏估計: 
方差公式中分母上是N;樣本方差無偏估計公式中分母上是N-1 (N爲樣本個數)。

其中樣本方差公式中爲什麼除的n-1而不是n?樣本協方差同樣除的是n-1而不是n?如果除的是n,那麼求的方差就不是隨機抽取變量組成樣本的方差,而是整個空間的方差。
 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章