怎么用一组样本估计自协方差函数 x(t)自协方差函数：R(τ)=E[(x(t)-μx)(x(t+τ)-μx)]其中 τ 是时间延迟，μx 是x（t）的数学期望.对于离散数据公式类似.
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。
在excel用数据计算样本方差——协方差矩阵 1、样2113本方差的无偏估计可由下5261式获得。2、方差只能用于解释平行于特征4102空间轴方向的数据传播。16533、对于这个数据，可以计算出在x方向上的方差和y方向上的方差。然而，数据的水平传播和垂直传播不能解释明显的对角线关系。这种相关性可以通过扩展方差概念到所谓的数据“协方差”捕捉到。4、如果数据的协方差矩阵是对角矩阵，使得协方差是零，那么这意味着方差必须等于特征值λ。如图所示，特征向量用绿色和品红色表示，特征值显然等于协方差矩阵的方差分量。5、然而，如果协方差矩阵不是对角的，使得协方差不为零，那么情况稍微更复杂一些。特征值仍代表数据最大传播方向的方差大小，协方差矩阵的方差分量仍然表示x轴和y轴方向上的方差大小。但是，因为数据不是轴对齐的。
