如何在矩陣中創建Julia的簡單協方差

使用Julia 0.5。鑑於：如何在矩陣中創建Julia的簡單協方差

Supertech = [-.2 .1 .3 .5]; 
Slowpoke = [.05 .2 -.12 .09];

如何在世界上我可以得到一個協變。在Excel中我只說

=covariance.p(Supertech,Slowpoke)

，這讓我的-0.004875

正確答案對我的生活中，我無法弄清楚如何得到這個使用工作StatsBase.cov()

我已經試過投入矩陣此類似：

X = [Supertech; Slowpoke]'

，給了我一個很好的：

4×2 Array{Float64,2}: 
-0.2 0.05 
    0.1 0.2 
    0.3 -0.12 
    0.5 0.09

但我不能得到這個簡單的事情工作。當我嘗試使用WeightedVector類型時，我不斷遇到尺寸不匹配問題。

來源

2017-01-26 bauhaus9

語法[-.2 .1 .3 .5]不會創建一個向量，它會創建一行矩陣。 cov function實際上是在基礎Julia中定義的，但它需要向量。因此，您只需使用帶逗號的語法首先創建矢量（[-.2, .1, .3, .5]），或者您可以使用vec函數將矩陣重塑爲一維矢量。它也默認使用"corrected" covariance，而Excel使用「未校正」協方差。您可以使用第三個參數來指定您不需要此更正。

julia> cov(vec(Supertech), vec(Slowpoke)) 
-0.0065 

julia> cov(vec(Supertech), vec(Slowpoke), false) 
-0.004875

來源

2017-01-26 17:32:41

謝謝！現在......有沒有辦法以矢量化的方式做到這一點，以便在給定A = n個向量矩陣的情況下，我可以只說'cov（A，false）'並且得到一個向量或一維數組所有的協方差？ – bauhaus9

是的，但它會返回[協方差矩陣]（https://en.wikipedia.org/wiki/Covariance_matrix）。例如，使用三列矩陣，它將返回一個3x3矩陣，其中'（i，j）'處的元素是列「i」和「j」之間的協方差。 –

好的，我還是很困惑。這裏是上面的代碼的修改版本，這次用循環的努力來計算協方差的工作：'使用StatsBase Supertech = [-.2; 0.1; 0.3; 0.5]; Slowpoke = [.05; 0.2; -.12; 0.09]; X =重塑（[SUPERTECH; SLOWPOKE]，4,2） MLEN =尺寸（X）[1] 手段= mean_and_cov（X）[1] covtmp =酮（MLEN）手段[1] 爲（x） covtmp [i] = covtmp [i] *（X [i，j] - 平均值[j]）; i = 1：mlen 對於j = 1：rank 結束結束 mycov = sum（covtmp）/ mlen;println（「矩陣的正確協方差X =」，mycov） println（「鑑於cov（X）=」，cov（X））' – bauhaus9

如何在矩陣中創建Julia的簡單協方差

回答

相關問題