1樓：大舟老楊
有以下幾種可能：
1、可能資料輸入有誤，出現極端資料。解決方法是檢查資料。
2、檢查你的變數是否存在著完全共線性，就是相關係數為13、資料質量太差，極端值多。解決方法，檢查問卷，刪除不合格資料。
4、資料變數間高度線性相關。解決方法是檢查資料，刪除高度相關資料。
5、程式估計初始值不合理。解決方法是自行輸入初始值。
協方差矩陣是正定矩陣嗎
2樓：阿樓愛吃肉
協方差矩陣不是正定矩陣，因為協方差矩陣和正定矩陣是兩種不同性質的矩陣。對於具體的實對稱矩陣，常用矩陣的各階順序主子式是否大於零來判斷其正定性；對於抽象的矩陣，由給定矩陣的正定性，利用標準型，特徵值及充分必要條件來證相關矩陣的正定性。
協方差矩陣：在統計學與概率論中，協方差矩陣的每個元素是各個向量元素之間的協方差，是從標量隨機變數到高維度隨機向量的自然推廣。
3樓：匿名使用者
是的x[i]*x[j]*cov=var
其中x[i]為數，y[i]為隨機變數，var為方差，相同下標求和。
另一種說法：
協方差是定義在隨機變數空間的歐式內積(cov>=0)，而協方差矩陣是協方差內積的矩陣表示，所以正定。
4樓：匿名使用者
只能說明它是非負定的，如果方差與協方差都為0，那麼斜差陣構成的二次型只能為0，其餘情況均大於0。我可以幫你證明。
怎麼證明 ：協方差矩陣是半正定的？請回答
5樓：介於石心
考慮概率分佈組成的線性空間,顯然協方差是其中的一個bilinear form，而且顯然是非退化的，所以它是一個內積。
由此可知協方差矩陣是關於協方差這個內積的gram矩陣，自然是對稱半正定的，而且它是正定的當且僅當所有涉及的概率分佈都是線性無關的。
協方差矩陣，基本上向量 (x - μ) 與其轉置相乘，然後求期望，而期望就是個加權平均而已。這樣的東西，從線性代數上講，基本上全是半正定的。
若兩個隨機變數x和y相互獨立，則e[(x-e(x))(y-e(y))]=0，因而若上述數學期望不為零，則x和y必不是相互獨立的，亦即它們之間存在著一定的關係。
協方差與期望值有如下關係：
cov(x，y)=e(xy)-e(x)e(y)。
協方差的性質：
（1）cov(x，y)=cov(y，x)；
（2）cov(ax，by)=abcov(x，y)，（a，b是常數）；
（3）cov(x1+x2，y)=cov(x1，y)+cov(x2，y)。
由協方差定義，可以看出cov(x，x)=d(x)，cov(y，y)=d(y)。
6樓：匿名使用者
這個其實，基本上，就是從協方差矩陣的定義來的。
協方差矩陣，基本上，就是向量 (x - μ) 與其轉置相乘，然後求期望，而期望就是個加權平均而已。這樣的東西，從線性代數上講，基本上全是半正定的。
為了看清楚，我們一步一步來，見下圖（一定要點選放大哦）：
下圖中，所謂的數學期望的線性性質，就是指 e(x+y) = e(x) + e(y) 與 x、y 是否獨立無關。
btw：其實不用寫這麼羅索，用向量寫很簡潔，但我怕不放心，所以了。用向量寫的話，這麼幾下就完了：
隨機變數的協方差陣一定是正定矩陣嗎
7樓：原野的原
只能說明它是非負定的，如果方差與協方差都為0，那麼斜差陣構成的二次型只能為0，其餘情況均大於0。我可以幫你證明。
如何求協方差矩陣
1 取列向量c和s,分別以cos theta i 和sin theta i 為分量 那麼原來的矩陣是i xy t,其中x c,s y s,c 利用sylvester恆等式det i xy t det i y tx 即可,後面那個二階行列式可以算出來 2 記原矩陣為a,再取多項式f x a1 a 2x...
分類判別時,為什麼要分協方差矩陣相同和不同的情況
其實也就 bai是說,對於任何du分類判別的題目,都可zhi以按照協方差dao矩陣不同內的思想進行計算的,要是容在計算過程中發現其實協方差矩陣是相同的,那麼結果也會自然地與按照協方差矩陣相同的演算法計算產生的結果相同。但是薛毅書的8.2題,我做出來的結果是 使用bayes分類判別演算法計算時,若按協...
為什麼隨機向量的協方差矩陣是半正定陣
直覺上就和隨機抄變數的方差是 襲正的一個道理，嚴格的證明如下 設隨機變數為x 都是n維的假設，且都是列向量 其方差 協方差矩陣為 e xx e x e x e 這是因為你後，大括號裡就是xx e x x xe x e x e x 然後外面取e e xx e x x xe x e x e x e xx...