python3随笔-协方差,标准差,方差

版权声明：本博客所有文章版权归博主刘兴所有，转载请注意来源 https://blog.csdn.net/AI_LX/article/details/89213073

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。 [1]
期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为：

从直观上来看，协方差表示的是两个变量总体误差的期望。
如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值时另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。
但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。
协方差Cov(X,Y)的度量单位是X的协方差乘以Y的协方差。而取决于协方差的相关性，是一个衡量线性独立的无量纲的数。
协方差为0的两个随机变量称为是不相关的。

import numpy as np
print(np.mean(c))
print(np.mean(c,0))#按列求均值
print(np.mean(c,1))#按行求均值
print(np.var(c))#方差
print(np.std(c))#标准差
28.37
[11.545 43.29 30.275]
[21.26 35.48]
248.94133333333332
15.777874804083512

import numpy as np
a=np.array([1,2])
b=np.array([32,46])
print(a)
print(b)
mean_a=np.mean(a)
mean_b=np.mean(b)
c11=np.dot(a-mean_a,a-mean_a)
c12=np.dot(a-mean_a,b-mean_b)
c21=np.dot(b-mean_b,a-mean_a)
c22=np.dot(b-mean_b,b-mean_b)
print(np.array([[c11,c12],[c21,c22]]))
print(np.cov(a,b))#协方差矩阵
[1 2]
[32 46]
[[ 0.5 7. ]
[ 7. 98. ]]
[[ 0.5 7. ]
[ 7. 98. ]]