我有1000个类似于这样的5x5矩阵(Xm):
每个$(x_ij)m$都是从一个分布中得出的点估计。 我想计算每个$x_{ij}$的协方差,其中i = 1..n,j = 1..n朝着红色箭头的方向。
例如,$X_m$的方差是`var(X,0,3)`,它给出了一个5x5方差矩阵。我能以同样的方式计算协方差吗?
回答尝试
到目前为止,我做到了这一点:
for m=1:1000
Xm_new(m,:)=reshape(Xm(:,:,m)',25,1);
end
cov(Xm_new)
spy(Xm_new) gives me this unusual looking sparse matrix:
cov
函数 1000 次,并存储 5x5 的输出结果:Xm_out(:,:,1)=cov(Xm(:,:,1))
,Xm_out(:,:,2)=cov(Xm(:,:,2))
, ...,Xm_out(:,:,999)=cov(Xm(:,:,999))
,Xm_out(:,:,1000)=cov(Xm(:,:,1000))
。 - horchlervar(X,0,3)
。听起来你想找到 1x1x1000(实际上与1x1000相同)向量X(i,j,:)
的协方差?根据“cov”的帮助,对于向量x
,cov(x)
等同于方差,即var
。 - horchlerfor i=1:5 for j=1:5 find covariance between X(i,j,:)and X(i,j,:) end end
。这样说通吗?我不使用for循环的简单原因是因为我被告知X(i,j,:)必须是2D。 - HCAI