协方差矩阵 随机向量谁能讲下下面这幅图的内容的意思?在线等……也可以百度hi图中的X,Y均为随机向量

mu=[1,2];
c=[1,0;0,1];
temp=randn([1000,2]);
l=chol(c,'lower');
data=temp*l;
plot(data(:,1)+mu(1),data(:,2)+mu(2),'r.');
其中C表示协方差矩阵,mu为均值.我把那个协方差写成了两个独立的了,当然你可以根据你的改,我本来想附个图,结果每次附图都让百度给我屏蔽掉,如果你有什么问题问我就行了.

协方差矩阵为零 说明两个矩阵中的一个是有问题的,所以你要检查一下数据是不是正确,程序是不是出现意外错误了.
协方差矩阵为零一般不会发生.

不太明白你的问题啊 z的x1 x2 x3已经给定了阿 z怎么又是随机的 而且数据这么少 怎么求u阿 不会是[1/3,1/3,1/3]吧
才三个数据就作k-l变换,一般都几十几百个才作阿 这样得到的原数据的协方差矩阵才比较有意义
莫非你的x1,x2,x3已经是期望了?那z的大量数据需要随机生成吗
k-l不难求 很想回答这个问题 但是我确实没有理解你问题

D（X）=4,D（Y）=5,COV（X,Y）=3
D（X+3Y）=4+9×5+6×3=67,D（2X-Y）=16-12+5=9
COV【（X+3Y）,（2X-Y）】=8+15-15=8
随机向量（X+3Y,2X-Y）的协方差矩阵（67,8,8,9）
相关系数矩阵（1,8/3根号（67）,8/3根号（67）,1）

在统计学与概率论中,协方差矩阵是一个矩阵,其每个元素是各个向量元素之间的方差.是从标量随机变量到高维度随机向量的自然推广.假设 X 是以 n 个标量随机变量组成的列向量,并且μk 是其第k个元素的期望值,即,μk = E(Xk),协方差矩阵然后被定义为：Σ=E{(X-E[X])(X-E[X])T}=(如图) 矩阵中的第(i,j)个元素是Xi与Xj的协方差.这个概念是对于标量随机变量方差的一般化推广.

sqrt(c)*randn(2,K)

如果是高斯分布,则下面的命令产生NxT的矩阵,其中R为NxN的协方差矩阵,T为数据长度.x渐进满足(x-M)*(x-M)'/T=R （当T很大时）,所以它的均值为M,协方差矩阵为R.
x=R^(1/2)*randn(N,T)+M;

Cov(X,X)=DX=σ^2
Cov(X,Y)=Cov(X,aX+b)=Cov(X,aX)+Cov(X,b)=aDX+0=aσ^2
Cov(Y,Y)=D(aX+b)=(a^2)(σ^2)
协方差矩阵为:| Cov(X,X) Cov(X,Y) | = | σ^2 aσ^2 |
| Cov(X,Y) Cov(Y,Y) | | aσ^2 (a^2)(σ^2) |

方差-协方差矩阵多数会指样本矩阵,而协方差阵多数是总体的参数.
你用得是spss吧,Dunnett's test是用来比较组间均值的.当组间方差相等这一原假设被否定,若仍要进行Dunnett's test,便会让你（Tamhane's T2,t检验进行配对比较.Dunnett's T3,采用基于学生氏最大模的成对比较法.Games-Howell,Games-Howell比较,该方法较灵活.Dunnett's C,采用基于学生氏极值的成对比较法.）四选一 .一般是第二种啦,在混合模式带入样本方差-协方差矩阵 在样本容量相差不大时 均值检验的结果是比较可信的

额.
个人认为这里的十字不是伪逆,（或者有的书上叫“广义逆矩阵”）
我学的时候也是用十字表示伪逆,但是协方差矩阵应该跟伪逆没半点联系.
可能你看到的十字是共轭转置的意思吧,这样就说的通了.其实我们常用H表示共轭转置,就是Hermite的意思.但是我确实是看到过有的论文上,用十字表示共轭转置的,是工科的论文,不是纯搞数学的,所以符号用的不严谨.
希望你结合实际案例看看,我个人认为,此处是共轭转置的意思,是不规范的写法,会让人误解为伪逆.

在统计学与概率论中,协方差矩阵是一个矩阵,其每个元素是各个向量元素之间的方差.是从标量随机变量到高维度随机向量的自然推广.假设 X 是以 n 个标量随机变量组成的列向量,并且μk 是其第k个元素的期望值,即,μk = E(...