南科夫
协方差忽略南
值
句法
y = nancov(x)
y = nancov(x1,x2)
y = nancov(...,1)
y = nancov(...,'pairwise')
描述
y = nancov(x)
是协方差COV
的X
,在删除观察结果后计算南
值。
对于向量X
,,,,南科夫(x)
是其余元素的样本差异,一次南
值被删除。用于矩阵X
,,,,南科夫(x)
是剩余观察结果的样本协方差,一旦观察(行)包含任何南
值被删除。
y = nancov(x1,x2)
, 在哪里x1
和x2
是具有相同数量元素的矩阵,等效于南科夫(x)
, 在哪里x = [x1(:) x2(:)]
。
南科夫
从每个变量中删除平均值(矩阵的列X
)计算之前y
。如果n是在删除观察结果之后的剩余观察次数南
值,南科夫
归一化y
两者n- 1或n,取决于是否n> 1或n= 1。通过n, 采用y = nancov(...,1)
。
y = nancov(...,'pairwise')
计算y(i,j)
使用无南
列中的值一世
或者j
。结果y
可能不是正定矩阵。
例子
为两个变量(列)生成随机缺失值的随机数据:
x = rand(10,2);p = randperm(numel(x));x(p(1:5))= nan x = 0.8147 0.1576 nan nan 0.1270 0.9572 0.9134 nan 0.6324 nan 0.0975 0.0975 0.1419 0.2785 0.4218 0.4218 0.5469 0.9157 0.9157 0.9575 0.79922 0.9922 0.99649 NAN NAN NAN NAN NAN NAN NAN NAN NAN
在第三个变量和其他两个变量之间建立相关性:
X(:,3) = sum(X,2) X = 0.8147 0.1576 0.9723 NaN NaN NaN 0.1270 0.9572 1.0842 0.9134 NaN NaN 0.6324 NaN NaN 0.0975 0.1419 0.2394 0.2785 0.4218 0.7003 0.5469 0.9157 1.4626 0.9575 0.7922 1.7497 0.9649 NaN NaN
在删除观测值(行)后,计算三个变量的协方差矩阵南
值:
y = nancov(x)y = 0.1311 0.0096 0.1407 0.0096 0.1388 0.1483 0.1407 0.1483 0.2890
扩展功能
在R2006a之前引入
这个话题有帮助吗?