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。
协方差公式 协方差的性质（21131）COV(X，5261Y)=COV(Y，X)；（2）COV(aX，bY)=abCOV(X，Y)，（a，b是常数）；（3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y)。由性质4102（3）展开cov(x-2y，2x+3y)cov(x-2y，2x)+cov（x-2y，3y)cov(x，2x)-cov(2y，2x)+cov(x，3y)-cov(2y，3y)又有1653COV(X，Y)=E(XY)-E(X)E(Y)。以上四式可分别写成cov(x，2x)=E(2x^2)-E(x)E(2x)=2Ex^2-2ExEx=2Dx-1cov(2y，3y)=E(6y^2)-E(2y)E(3y)=6Ey^2-6EyEy=6Dy-2cov(2y，2x)=E(4xy)-E(2y)E(2x)=4Exy-4ExEy-3cov(x，3y)=E(3xy)-E(x)E(3y)=3Exy-3ExEy-4（x^2的意思是 x的二次方y^2的意思是 y的二次方）由以上四式得cov(x-2y，2x+3y)=2Dx-（4Exy-4ExEy）+（3Exy-3ExEy）-6Dy2Dx-6Dy-(Exy-ExEy)2Dx-cov(x，y)-6Dy协方差性质 参考http：//baike.baidu.com/view/121095.htm
协方差怎么计算，请举例说明 cov(x，y)=EXY－EX*EY协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，62616964757a686964616fe59b9ee7ad9431333366303131建议你看一下概率论cov(x，y)=EXY－EX*EY协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论举例：Xi 1.1 1.9 3Yi 5.0 10.4 14.6E(X)=(1.1+1.9+3)/3=2E(Y)=(5.0+10.4+14.6)/3=10E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02Cov(X，Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02此外：还可以计算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3-4=4.60-4=0.6 σx=0.77D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93X，Y的相关系数：r(X，Y)=Cov(X，Y)/(σxσy)=3.02/(0.77×3.93)=0.9979表明这组数据X，Y之间相关性很好。扩展资料：协方差（Covariance）在概率论和统计学中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。协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。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，另外一个也大于自身的期望值，那么两个变量之间的。
