在统计学中，互相关有时用来表示两个随机矢量 X 和 Y 之间的协方差cov，以与矢量 X 的“协方差”概念相区分，矢量 X 的“协方差”是 X 的各标量成分之间的协方差矩阵。
马哈拉诺比斯距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系并且是尺度无关的，即独立于测量尺度。
对于一个均值为
μ
=
T
{\displaystyle \mu =^{T}}
，协方差矩阵为
Σ
{\displaystyle \Sigma }
的多变量向量
x
=
T
{\displaystyle x=^{T}}
，其马氏距离为
在概率论和统计学中，方差描述的是一个随机变量的离散程度，即一组数字与其平均值之间的距离的度量，是随机变量与其总体均值或样本均值的离差的平方的期望值。方差在统计中有非常核心的地位，其应用领域包括描述统计学、推论统计学、假说检定、度量拟合优度，以及蒙地卡罗方法。由于科学分析经常涉及统计，方差也是重要的科研工具。方差是标准差的平方、分布的二阶矩，以及随机变量与其自身的协方差，其常用的符号表示有
σ
2
{\displaystyle \sigma ^{2}}
、
s
2
{\displaystyle s^{2}}
、
Var
{\displaystyle \operatorname {Var} }
、
V
{\displaystyle V}
，以及
V
{\displaystyle \mathbb {V} }
。
在统计学与概率论中，协方差矩阵是一个矩阵，其 i, j 位置的元素是第 i 个与第 j 个随机变量之间的协方差。这是从标量随机变量到高维度随机向量的自然推广。
在概率论和统计学中，方差描述的是一个随机变量的离散程度，即一组数字与其平均值之间的距离的度量，是随机变量与其总体均值或样本均值的离差的平方的期望值。方差在统计中有非常核心的地位，其应用领域包括描述统计学、推论统计学、假说检定、度量拟合优度，以及蒙地卡罗方法。由于科学分析经常涉及统计，方差也是重要的科研工具。方差是标准差的平方、分布的二阶矩，以及随机变量与其自身的协方差，其常用的符号表示有
σ
2
{\displaystyle \sigma ^{2}}
、
s
2
{\displaystyle s^{2}}
、
Var
{\displaystyle \operatorname {Var} }
、
V
{\displaystyle V}
，以及
V
{\displaystyle \mathbb {V} }
。
在概率论和统计学中, 协方差 是一种两个变量如何相关变化的度量，而协方差函数, or 核函数, 描述一个随机过程或随机场中的空间上的协方差。 对于一个随机场或 随机过程 Z 在定义域 D， 一个协方差函数C 给出在两个点x 和 y 的值的协方差：
马哈拉诺比斯距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系并且是尺度无关的，即独立于测量尺度。
对于一个均值为
μ
=
T
{\displaystyle \mu =^{T}}
，协方差矩阵为
Σ
{\displaystyle \Sigma }
的多变量向量
x
=
T
{\displaystyle x=^{T}}
，其马氏距离为
在概率论和统计学中，方差描述的是一个随机变量的离散程度，即一组数字与其平均值之间的距离的度量，是随机变量与其总体均值或样本均值的离差的平方的期望值。方差在统计中有非常核心的地位，其应用领域包括描述统计学、推论统计学、假说检定、度量拟合优度，以及蒙地卡罗方法。由于科学分析经常涉及统计，方差也是重要的科研工具。方差是标准差的平方、分布的二阶矩，以及随机变量与其自身的协方差，其常用的符号表示有
σ
2
{\displaystyle \sigma ^{2}}
、
s
2
{\displaystyle s^{2}}
、
Var
{\displaystyle \operatorname {Var} }
、
V
{\displaystyle V}
，以及
V
{\displaystyle \mathbb {V} }
。
在统计学中，特定时间序列或者连续信号Xt的自协方差是信号与其经过时间平移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
Mini wiki
