怎么计算自协方差函数 2113自协方差在统计学中，特定5261时间序列或者连续信号4102Xt的自协方差是信号与其经过时间平移1653的信号之间的协方差。如果序列的每个状态都有一个平均数E[Xt]=μt，那么自协方差为其中 E 是期望值运算符。如果Xt是二阶平稳过程，那么有更加常见的定义：其中k是信号移动的量值，通常称为延时。如果用方差σ^2 进行归一化处理，那么自协方差就变成了自相关系数R(k)，即有些学科中自协方差术语等同于自相关。（自协方差的概念）自协方差函数是描述随机信号X(t)在任意两个不同时刻t1，t2，的取值之间的二阶混合中心矩，用来描述X(t)在两个时刻取值的起伏变化（相对与均值）的相关程度，也称为中心化的自相关函数。
怎么用python表示出二维高斯分布函数，mu表示均值，sigma表示协方差矩阵，x表示数据点 clearclose all生成实验数据集rand('state'，0)sigma_matrix1=eye(2)；sigma_matrix2=50*eye(2)；u1=[0，0]；u2=[30，30]；m1=100；m2=300；样本数sm1数据集Y1=multivrandn(u1，m1，sigma_matrix1)；Y2=multivrandn(u2，m2，sigma_matrix2)；scatter(Y1(：，1)，Y1(：，2)，'bo')hold onscatter(Y2(：，1)，Y2(：，2)，'r*')title('SM1数据集')sm2数据集u11=[0，0]；u22=[5，5]；u33=[10，10]；u44=[15，15]；m=600；sigma_matrix3=2*eye(2)；Y11=multivrandn(u11，m，sigma_matrix3)；Y22=multivrandn(u22，m，sigma_matrix3)；Y33=multivrandn(u33，m，sigma_matrix3)；Y44=multivrandn(u44，m，sigma_matrix3)；figure(2)scatter(Y11(：，1)，Y11(：，2)，'bo')hold onscatter(Y22(：，1)，Y22(：，2)，'r*')scatter(Y33(：，1)，Y33(：，2)，'go')scatter(Y44(：，1)，Y44(：，2)，'c*')title('SM2数据集')endfunction Y=multivrandn(u，m，sigma_matrix)生成指定均值和协方差矩阵的高斯数据n=length(u)；c=chol(sigma_matrix)；X=randn(m，n)；Y=X*c+ones(m，1)*u；end
你的随机过程例子分析里面的三个音频怎么求均值函数的， 均值函数定义为E(X)=∫xdF(x)；方差函数定义为VAR(X)=E[(X-E(X))2]；自相关函数定义为COV(X1，X2)=E[(X1-E(X1))(X2-E(X2))]，注意写的X都时间变量下标t，且t∈T.
