La covarianza es la medida de la fuerza de la correlación entre dos o más variables aleatorias. La covarianza de dos variables aleatorias X e Y se puede definir como:
Donde E(X) y E(Y) son la expectativa o la media de las variables aleatorias X e Y respectivamente.
La array de covarianza de dos variables aleatorias A y B se define como
El lenguaje MATLAB permite a los usuarios calcular la covarianza de variables aleatorias utilizando el método cov(). Las diferentes sintaxis del método cov() son:
- C = cov(A)
- C = cov(A,B)
- C = cov(___,w)
- C = cov(___,bandera nan)
C = cov(A)
- Devuelve la covarianza de la array A.
- Si A es un escalar, entonces devuelve 0.
- Si A es un vector, devuelve la varianza del vector A.
- Si A es una array, entonces considera cada columna como una variable aleatoria y devuelve la array de covarianza de la array A.
Nota: disp (x) muestra el valor de la variable X sin imprimir el nombre de la variable. Otra forma de mostrar una variable es escribir su nombre, que muestra una «X =» inicial antes del valor. Si una variable contiene una array vacía, disp regresa sin mostrar nada.
Ejemplo 1:
Matlab
% Input vector A = [1 3 4]; disp("Vector :"); disp(A); % Variance of vector A C = cov(A); disp("Variance :"); disp(C);
Producción :
Ejemplo 2:
Matlab
% Input vector A = [2 7 1; 3 5 1 4 1 2]; disp("Matrix :"); disp(A); % Covariance of matrix A C = cov(A); disp("Covariance matrix :"); disp(C);
Producción :
C = cov(A,B)
- Devuelve la array de covarianza de los arreglos A y B.
- Si A y B son vectores, entonces devuelve la array de covarianza de A y B.
- Si A y B son arrays, entonces las considera como vectores al expandir las dimensiones y devuelve la array de covarianza.
Ejemplo:
Matlab
% Input vector A = [3 5 7]; B = [-1 3 9]; disp("Vector A:"); disp(A); disp("Vector B:"); disp(B); % Covariance of vectors A,B C = cov(A,B); disp("Covariance matrix :"); disp(C);
Producción :
C = cov(___,w)
- Devuelve la covarianza de la array de entrada normalizándola a w.
- Si w = 1 , entonces la covarianza se normaliza por el número de filas en la array de entrada .
- Si w = 0 , entonces la covarianza se normaliza por el número de filas en la array de entrada – 1 .
Ejemplo:
Matlab
% Input vector A = [2 4 6; 3 5 7 8 10 12]; disp("Matrix :"); disp(A); % Variance of matrix A C = cov(A,1); disp("Variance matrix:"); disp(C);
Producción :
C = cov(___,bandera nan)
- Devuelve la covarianza de la array de entrada considerando el nanflag.
- Si nanflag = ‘includenan’, entonces considera los valores de NaN en la array.
- Si nanflag = ‘omitrows’, omite las filas con al menos un valor NaN en la array.
Ejemplo:
Matlab
% Input vector A = [3.2 -1.005 2.98; NaN -6.75 NaN; 5.37 0.19 1] disp("Matrix :"); disp(A); % Variance of matrix A C = cov(A,'includenan'); disp("Variance matrix including NaN:"); disp(C); % Variance of matrix A C = cov(A,'omitrows'); disp("Variance matrix omitting NaN:"); disp(C);
Producción :
Publicación traducida automáticamente
Artículo escrito por ManikantaBandla y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA