`
itace
  • 浏览: 182750 次
  • 性别: Icon_minigender_1
  • 来自: 北京
文章分类
社区版块
存档分类
最新评论

期望值,方差,标准差,协方差,相关系数

 
阅读更多

 

    期望值,方差,标准差,协方差,相关系数

 

package com.chipmunk.java.base;

public class AlgorithmUtil {

	
	/**
	 * 平均值
	 */
	public static double getAverageValue(double[]arr){
		int len = arr.length;
		double sum = 0;
		for (double d : arr) {
			sum+=d;
		}
		double av = sum/len;
		return av;
	}
	
	/**
	 * 方差:样本方差是n-1,总体方差是n
	 */
	public static double getVariance(double[]arr){
		double av = getAverageValue(arr);
		double sum = 0;
		for (double d : arr) {
			double c = d-av;
			double p = Math.pow(c, 2);
//			System.out.println(c+"--"+p);
			sum+=p;
		}
		int len = arr.length;
		double v = sum/len;//样本方差是len-1,总体方差是len
		return v;
	}
	/**
	 * 标准差或均方差
	 */
	public static double getStandardDeviation(double[]arr){
		double v = getVariance(arr);
		double sd = Math.sqrt(v);
		return sd;
	}
	/**
	 * 期望值E(X)=sum[i:1~n]Xi*Pi
	 * @param arr
	 * @return
	 */
	public static double getExpectation(double[]arr_x,double[]arr_p){
		int len_x = arr_x.length;
		int len_p = arr_p.length;
		double ex = 0;
		if (len_x==len_p) {
			for (int i = 0; i < len_x; i++) {
				double x = arr_x[i];
				double p = arr_p[i];
				ex+=x*p;
			}
		}
		return ex;
	}
	/**
	 * 协方差cov(X,Y)=E[XY]-E[X]E[Y]
	 * @param arr
	 * Cov(X,X)=D(X),Cov(Y,Y)=D(Y)。
	 * 此处期望值是平均数
	 * @return
	 */
	public static double getCovariance(double[]arr_a,double[]arr_b){
		double ex_a = getAverageValue(arr_a);//期望值是平均数
		double ex_b = getAverageValue(arr_b);
//		System.out.println(ex_a);
//		System.out.println(ex_b);
		double ex_ab = 0;
		int len_a = arr_a.length;
		int len_b = arr_b.length;
		if (len_a==len_b) {
			for (int i = 0; i < len_a; i++) {
				double a = arr_a[i];
				double b = arr_b[i];
				ex_ab+=a*b;
			}
			ex_ab=ex_ab/len_a;
		}
//		System.out.println(ex_ab);
		double cov = ex_ab-ex_a*ex_b;
		return cov;
	}
	/**
	 * 
	 * 相关系数       correlation coefficient                
	 * Pxy=cov(X,Y)/sqrt(D(X)*D(Y)) 
	 * 公式中Cov(X,Y)为X,Y的协方差,D(X)、D(Y)分别为X、Y的方差。 
	 * 
	 * 相关系数(r)的定义如下图所示,取值范围为[-1,1],r>0表示正相关,r<0表示负相关,|r|表示了变量之间相关程度的高低。
	 * 特殊地,r=1称为完全正相关,r=-1称为完全负相关,r=0称为不相关。通常|r|大于0.8时,认为两个变量有很强的线性相关性。
	 * 
	 */
	public static double getCorrelationCoefficient(double[]arr_a,double[]arr_b){
		double cov = getCovariance(arr_a, arr_b);
		double dx_a = getVariance(arr_a);
		double dx_b = getVariance(arr_b);
		double c = Math.sqrt(dx_a*dx_b);
		double pxy = cov/c;
		return pxy;
	}
	
	public static void main(String[] args) {
		double[]arr1 = new double[]{1.2,2.3,4.2,6.3,2.6};
		double[]arr2 = new double[]{1.2,1.3,1.2,1.3,1.6};
		double[]arr3 = new double[]{2.4,2.6,2.4,2.6,5.2};
//		System.out.println(getVariance(arr1));
		System.out.println(getCovariance(arr1, arr2));
		System.out.println(getCorrelationCoefficient(arr1, arr2));
	}
	
}

 

分享到:
评论

相关推荐

    期望、方差、协方差及相关系数的基本运算

    常数的方差总是为0,这是因为常数没有变化,其与自身的期望值之间的差始终为0。 3. **线性组合的方差:** 若有随机变量 \(X\) 和 \(Y\) 以及常数 \(a\) 和 \(b\),则线性组合的方差为: \[ Var(aX + bY) = a^2 ...

    方差、标准差、协方差、相关系数20190805.docx

    ### 方差、标准差、协方差与相关系数的区别与联系 #### 一、基本概念与定义 **方差**是衡量数据集与其平均值之间差异的度量。具体而言,方差是每个数据点与平均值之差的平方的平均数。在统计学和概率论中,方差...

    随机变量数字特征 数学期望方差与标准差协方差与相关系数矩条件数学期望PPT学习教案.pptx

    随机变量数字特征 数学期望方差与标准差协方差与相关系数矩条件数学期望 在概率论和统计学中,随机变量的数字特征是研究随机变量的重要方面。数学期望、方差、协方差和相关系数是随机变量的四个重要数字特征。 1. ...

    c 方差协方差相关系数PPT学习教案.pptx

    【方差协方差相关系数】是统计学和概率论中的基本概念,它们在数据分析、风险管理、统计建模等领域有着广泛的应用。以下是这些概念的详细解释: 1. **方差**: 方差是衡量随机变量(r.v,random variable)波动...

    随机变量的方差协方差与相关系数PPT学习教案.pptx

    **相关系数**是协方差标准化后的结果,它提供了协方差与两个随机变量标准差乘积之间的关系。相关系数\(\rho_{X,Y} = \frac{Cov(X,Y)}{\sigma_X\sigma_Y}\),其中\(\sigma_X\)和\(\sigma_Y\)分别是X和Y的标准差。相关...

    StockWatson_3e_ExerciseSolutions.pdf

    《StockWatson_3e_ExerciseSolutions.pdf》是一份关于概率论与统计学的练习解答,主要涉及了概率分布、累积概率分布、期望值、方差、协方差及相关系数等概念。 在第2章的复习部分,讨论了概率的基础知识。问题2.1...

    协方差及相关系数.ppt

    由于使用了标准差进行标准化,相关系数的取值范围被限定在[-1, 1]之间。相关系数的绝对值越大,表示X和Y之间的线性相关性越强;而其符号则表示了相关性方向:正值表示正相关,负值表示负相关。 相关系数也具有以下...

    协方差与相关系数PPT学习教案.pptx

    - 相关系数通常用ρ表示,是协方差与两个变量标准差的乘积的比值,公式为 `ρ(X,Y) = Cov(X,Y) / sqrt(D(X) * D(Y))`。 - 相关系数的值在-1到1之间,其中1表示完全正相关,-1表示完全负相关,0表示无线性相关。 -...

    协方差及相关系数及其性质PPT学习教案.pptx

    - 在给定的联合分布或概率密度函数下,可以通过计算每个变量的期望值和协方差来求解相关系数。 - 例如,如果已知X和Y的联合分布表或连续型随机变量的密度函数,可以直接计算协方差和相关系数。 理解协方差和相关...

    协方差和相关系数概率PPT学习教案.pptx

    例如,在一个二维随机变量的例子中,我们可以通过它们的联合分布律来计算边缘分布律、期望值、方差和协方差,进而求出相关系数,判断两个变量的相关性。 在处理不同量纲的变量时,通常会使用标准化的协方差,即将...

    随机变量的数学期望与方差PPT课件.pptx

    方差的概念在统计分析中尤为重要,它不仅帮助我们了解数据的分散程度,而且是构建其他统计量(如标准差、协方差)的基础。 方差和期望值常被联合使用,以全面描述随机变量的统计特性。例如,在质量控制过程中,期望...

    协方差和相关系数的计算.pptx

    1. 如果 \( X \) 和 \( Y \) 有相同的均值和方差,那么 \( \rho_{XY} \) 可以看作是 \( X \) 和 \( Y \) 之差的协方差除以它们各自标准差的乘积。 2. 协方差矩阵是对称且半正定的,这意味着它所有的特征值都是非负的...

    第三节协方差及相关系数.ppt

    协方差定义为两个随机变量X和Y的期望值之差的乘积的期望值,记为`cov(X,Y)`。即: \[ cov(X,Y) = E\{ [X-E(X)][Y-E(Y)] \} \] 它表示X和Y偏离它们各自均值的联合变化情况。 2. **性质**: - **对称性**:\( cov...

    协方差和相关系数PPT学习教案.pptx

    相关系数的公式是:ρ(X, Y) = cov(X, Y) / (σ_X * σ_Y),其中σ_X和σ_Y分别是X和Y的标准差。若X和Y相互独立,则它们的相关系数ρ(X, Y) = 0。 协方差有以下性质: 1. 对称性:cov(X, Y) = cov(Y, X) 2. 零...

    协方差和相关系数的计算.ppt

    协方差表示两个变量偏离各自均值的程度,在数值上等于它们的差的乘积的期望值。相关系数则是协方差标准化后的结果,其值介于-1和1之间,表示两个变量之间的线性相关程度。 首先,协方差的定义是: \[ cov(X, Y) = E...

    matlab数理统计和数据分析及优化求解:6 大仙带你入门matlab协方差和相关系数.zip

    例如,使用协方差分析(ANOVA)来比较不同组间方差的显著性,或者使用偏相关系数来控制其他变量的影响。 在优化求解方面,MATLAB的优化工具箱提供了一系列函数用于求解各种优化问题,包括线性规划、非线性规划、...

    C4_第3&4节_协方差和相关系数和其他特征数20211

    方差是衡量一个随机变量分散程度的度量,用公式表示为\( Var(X) = E[(X - E[X])^2] \),其中\( E[X] \)是随机变量X的期望值,\( Var(X) \)表示X的方差,\( \sigma_X \)是X的标准差。方差有以下几个重要性质: 1. \( ...

Global site tag (gtag.js) - Google Analytics