关于用matlab怎么分析两个离散序列相关性，是相关函数还是互功率谱？ 互相关函数就可以，不过你用的这个函数是在频域的相关性，但貌似你在做金融分析？corrcoef函数可能更合适吧。
相关性与独立性 对于一般的2113随机变量：两个随机变量如果相5261互独立，则这两个随4102机变量一定是不相关的；1653两个不相关的随机变量，不一定是相互独立的。但是我觉得需要补充一个重要的概念，书上花费了很大篇幅进行了叙述：两个服从正态分布的随机变量，如果不相关就一定相互独立，即对正态变量而言，相互独立与不相关是互为充要条件的
两个长度不同的向量，如何在matlab中计算他们之间的互相关性 不需要两者长度相同呀，你是不是用行向量与列向量求互相关了，那是不行的.Header=[-1-1-1-1-1 1 1-1-1 1-1 1-1]x=randsrc(1，40)x(11：23)=HeaderxHxcov=xcorr(x，Header)；figurestem(xHxcov)
如何计算变量之间的相关性？ 本文介绍了几个重要的变量相关性的度量，包括皮尔逊相关系数、距离相关性和最大信息系数等，并用简单的代码和示例数据展示了这些度量的适用性对比。从信号的角度来看，这个世界是一个嘈杂的地方。为了弄清楚所有的事情，我们必须有选择地集中注意力到有用的信息上。通过数百万年的自然选择过程，我们人类已经变得非常擅长过滤背景信号。我们学会将特定的信号与特定的事件联系起来。例如，假设你正在繁忙的办公室中打乒乓球。为了回击对手的击球，你需要进行大量复杂的计算和判断，将多个相互竞争的感官信号考虑进去。为了预测球的运动，你的大脑必须重复采样球的位置并估计它未来的轨迹。更厉害的球员还会将对手击球时施加的旋转考虑进去。最后，为了击球，你需要考虑对手的位置、自己的位置、球的速度，以及你打算施加的旋转。所有这些都涉及到了大量的潜意识微分学。一般来说，我们理所当然的认为，我们的神经系统可以自动做到这些（至少经过一些练习之后）。同样令人印象深刻的是，人类大脑是如何区别对待它所接收到的无数竞争信号的重要性的。例如，球的位置被认为比你身后发生的对话或你面前打开的门更重要。这听起来似乎不值得一提，但实际上这证明了可以多大程度上学习。
两个长度不同的向量，如何在matlab中计算他们之间的互相关性 不需要两者长度相同呀，你是不是用行向量与列向量求互相关了，那是不行的.Header=[-1-1-1-1-1 1 1-1-1 1-1 1-1]x=randsrc(1，40)x(11：23)=HeaderxHxcov=xcorr(x，Header)；。
