matlab实现参数估计协方差与相关系数(个人整理).docx

计算协方差与相关系数clearsyms x y fxy=6*x*y2; Exy=int(int(x*y*fxy,x,0,1),y,0,1) Ex=int(int(x*fxy,x,0,1),y,0,1) Ey=int(int(y*fxy,x,0,1),y,0,1) Covxy=Exy-Ex*Ey 已知二维随机变量（kesi，eita）的分布密度为fxy=(x+y)/8,(0x2,0y2) 0 (其他) 求相关系数V clear syms x y fxy=(x+y)/8; Exy=int(int(x*y*fxy,x,0,2),y,0,2) Ex=int(int(x*fxy,x,0,2),y,0,2) Ey=int(int(y*fxy,x,0,2),y,0,2) Covxy=Exy-Ex*Ey E2x=int(int(x2*fxy,x,0,2),y,0,2) E2y=int(int(y2*fxy,x,0,2),y,0,2) Dx=E2x-Ex2 Dy=E2y-Ey2 V=Covxy/sqrt(Dx*Dy) 对统计数列的计算 计算协方差矩阵的具体格式 cov（X）或cov(X,Y) cov(X)中 X可以是向量也可以是矩阵，当X为向量时，cov(x)=var(x),当X为矩阵时计算结果为X的协方差矩阵，协方差矩阵的对角线就是X每列的方差，其元素Covij为X的第i列和第j列的协方差，cov(X,Y)计算向量X，Y的协方差矩阵。 计算系数命令的具体格式，corrcoef(X)或者corrcoef(X,Y) 参数及输入量的形式及输出量的形式，同上 clearW=rand(5,4)cov1=cov(W(:,1),W(:,2)var1=var(W(:,1)cov2=cov(W)cor1=corrcoef(W(:,1),W(:,2)cor2=corrcoef(W)参数估计 正态分布参数估计的计算如果一直到了一组数据符合正态分布，但是不知道正态分布的分布参数，但是不知道正态分布的分布参数，对参数的点估计和区间估计由命令函数normfit()来完成，muhat,sigmahat,muci,sigmaci=normfit(X,Alpha)X为向量或者矩阵，为矩阵时是针对矩阵的每一个列向量进行计算的，Alpha为给出的显著水平a，定义置信度为（1-a），缺省时默认为0.05，即置信度为0.95，muhat，sigmahat分别为mu和sigma的点估计值，muci，sigmaci分别为mu，sigma的区间估计值。 生成一组均值为15，方差为2.5，的正态分布的随机数据，然后对这组数据进行置信度为97%的参数估计计算 clearW=normrnd(15,2.5,50,1);%生成一组均值为15，方差为2.5，的正态分布的随机数据 50行1列alpha=0.03;muhat,sigmahat,muci,sigmaci=normfit(W,alpha) 两项分布的参数估计的计算 phat,pci=binofit(X,N,Alpha) 均匀分布 ahat,bhat,aci,bci=unifit(X,Alpha) 指数分布 lambdahat,lambdaci=expfit(X,Alpha)两项分布phat,pci=binofit(