MATLAB中var函数用法

目录

语法

说明

示例

矩阵方差

数组方差

指定方差权重向量

指定方差的维度

数组页的方差

排除缺失值的方差

方差和均值


        var函数的功能是求取方差。

语法

V = var(A)
V = var(A,w)
V = var(A,w,"all")
V = var(A,w,dim)
V = var(A,w,vecdim)
V = var(___,nanflag)
[V,M] = var(___)

说明

        V = var(A) 返回 A 沿大小大于 1 的第一个数组维度计算的元素的方差。默认情况下,方差按 N-1 实现归一化,其中 N 是观测值数量。

  • 如果 A 是观测值的向量,则 V 是标量。

  • 如果 A 是一个列为随机变量且行为观测值的矩阵,则 V 是一个包含与每列对应的方差的行向量。

  • 如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 V 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。

  • 如果 A 是标量,则 V 为 0。

  • 如果 A 是一个 0×0 的空数组,则 V 为 NaN。

  • 如果 A 是表或时间表,则 var(A) 返回单行表,其中包含每个变量的方差。 (自 R2023a 起)

V = var(A,w) 指定加权方案。当 w = 0(默认值)时,方差按 N-1 实现归一化,其中 N 是观测值数量。如果 w = 1,则方差按观测值数量实现归一化。w 也可以是包含非负元素的权重向量。在这种情况下,w 的长度必须等于 var 将作用于的维度的长度。

        当 w 为 0 或 1 时,V = var(A,w,"all") 返回 A 的所有元素的方差。

V = var(A,w,dim) 返回沿维度 dim 计算的方差。要维持默认归一化并指定运算的维度,请在第二个参数中设置 w = 0。

        当 w 为 0 或 1 时,V = var(A,w,vecdim) 返回向量 vecdim 中指定维度的方差。例如,如果 A 是矩阵,则 var(A,0,[1 2]) 返回 A 中所有元素的方差,因为矩阵的每个元素包含在由维度 1 和 2 定义的数组切片中。

V = var(___,nanflag) 在上述任一语法的基础上指定包含还是省略 A 中的 NaN 值。例如,var(A,"omitnan") 在计算方差时会忽略 NaN 的值。默认情况下,var 包括 NaN 值。

[V,M] = var(___) 还返回 A 中用于计算方差的元素的均值。如果 V 是加权方差,则 M 是加权均值。

示例

矩阵方差

        创建一个矩阵并计算其方差。

A = [4 -7 3; 1 4 -2; 10 7 9];
var(A)
ans = 1×321.0000   54.3333   30.3333

数组方差

        创建一个三维数组并计算其方差。

A(:,:,1) = [1 3; 8 4];
A(:,:,2) = [3 -4; 1 2];
var(A)
ans = 
ans(:,:,1) =24.5000    0.5000ans(:,:,2) =2    18

指定方差权重向量

        创建一个矩阵并根据权重向量 w 计算其方差。

A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
var(A,w)
ans = 1×36.1875    9.5000    6.1875

指定方差的维度

        创建一个矩阵并沿第一个维度计算其方差。

A = [4 -2 1; 9 5 7];
var(A,0,1)
ans = 1×312.5000   24.5000   18.0000

沿第二个维度计算A的方差。

var(A,0,2)
ans = 2×194

数组页的方差

        创建一个三维数组并计算每页数据(行和列)的方差。

A(:,:,1) = [2 4; -2 1];
A(:,:,2) = [9 13; -5 7];
A(:,:,3) = [4 4; 8 -3];
V = var(A,0,[1 2])
V = 
V(:,:,1) =6.2500V(:,:,2) =60V(:,:,3) =20.9167

排除缺失值的方差

        创建一个包含 NaN 值的矩阵。

A = [1.77 -0.005 NaN -2.95; NaN 0.34 NaN 0.19]
A = 2×41.7700   -0.0050       NaN   -2.9500NaN    0.3400       NaN    0.1900

        计算矩阵的方差,不包括 NaN 值。对于包含任一 NaN 值的矩阵列,var 使用非 NaN 元素进行计算。对于包含的值都是 NaN 的矩阵列,方差为 NaN。

V = var(A,"omitnan")
V = 1×40    0.0595       NaN    4.9298

方差和均值

        创建一个矩阵并计算每列的方差和均值。

A = [4 -7 3; 1 4 -2; 10 7 9];
[V,M] = var(A)
V = 1×321.0000   54.3333   30.3333M = 1×35.0000    1.3333    3.3333

        创建一个矩阵,根据权重向量 w 计算每列的加权方差和加权均值。

A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
[V,M] = var(A,w)
V = 1×36.1875    9.5000    6.1875M = 1×32.7500   -1.0000    5.7500

参数说明

A — 输入数组

        输入数组,指定为向量、矩阵、多维数组、表或时间表。如果 A 是标量,则 var(A) 返回 0。如果 A 是一个 0×0 的空数组,则 var(A) 返回 NaN。

w — 粗细

权重,指定为以下值之一:

  • 0 - 按 N-1 实现归一化,其中 N 是观测值的数量。如果只有一个观测值,则权重为 1。

  • 1 - 按 N 实现归一化。

  • 由非负标量权重构成的向量,这些权重对应于沿其计算方差的 A 的维度。

dim — 沿其运算的维度

        沿其运算的维度,指定为正整数标量。如果不指定维度,则默认为第一个大于 1 的数组维度。

        维度 dim 表示长度减至 1 的维度。size(V,dim) 为 1,而所有其他维度的大小保持不变。

以一个 m×n 输入矩阵 A 为例:

  • var(A,0,1) 计算 A 的每列中元素的方差,并返回一个 1×n 行向量。

    var(A,0,1) column-wise computation

  • var(A,0,2) 计算 A 的每行中元素的方差,并返回一个 m×1 列向量。

    var(A,0,2) row-wise computation

如果 dim 大于 ndims(A),则 var(A) 返回大小与 A 相同的由零组成的数组。

vecdim — 维度向量

        维度向量,指定为正整数向量。每个元素代表输入数组的一个维度。指定的操作维度的输出长度为 1,而其他保持不变。

        以 2×3×3 输入数组 A 为例。然后 var(A,0,[1 2]) 返回 1×1×3 数组,其元素是在 A 的每页上计算的方差。

Mapping of a 2-by-3-by-3 input array to a 1-by-1-by-3 output array

nanflag — 缺失值条件

缺失值条件,指定为下列值之一:

  • "includemissing" 或 "includenan" - 在计算方差时包括 A 中的 NaN 值。如果运算维度中的任一元素是 NaN,则 V 中的对应元素也是 NaN。"includemissing" 和 "includenan" 具有相同的行为。

  • "omitmissing" 或 "omitnan" - 忽略 A 和 w 中的 NaN 值,并基于较少的点计算方差。如果运算维度中的所有元素都是 NaN,则 V 中的对应元素是 NaN。"omitmissing" 和 "omitnan" 具有相同的行为。

V — 方差

方差,以标量、向量、矩阵、多维数组或表形式返回。

  • 如果 A 是观测值的向量,则 V 是标量。

  • 如果 A 是一个列为随机变量且行为观测值的矩阵,则 V 是一个包含与每列对应的方差的行向量。

  • 如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 V 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。

  • 如果 A 是标量,则 V 为 0。

  • 如果 A 是一个 0×0 的空数组,则 V 为 NaN。

  • 如果 A 是表或时间表,则 V 是单行表。如果 A 的变量有单位,则 V 的变量没有那些单位。 (自 R2023a 起)

M — 均值

均值,以标量、向量、矩阵、多维数组或表形式返回。

  • 如果 A 是观测值的向量,则 M 是标量。

  • 如果 A 是一个列为随机变量且行为观测值的矩阵,则 M 是一个包含与每列对应的均值的行向量。

  • 如果 A 是多维数组,则 var(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 M 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。

  • 如果 A 是标量,则 M 等于 A。

  • 如果 A 是一个 0×0 的空数组,则 M 为 NaN。

  • 如果 A 是表或时间表,则 M 是单行表。如果 A 的变量有单位,则 M 的变量有相同的单位。 (自 R2023a 起)

如果 V 是加权方差,则 M 是加权均值。

方差

        对于由 N 个标量观测值组成的随机变量向量 A,方差定义为:

,其中 μ 是 A 的均值,

        有些方差的定义使用归一化因子 N 而非 N – 1。可以通过指定权重 1 来使用归一化因子 N,从而生成样本关于其均值的二阶矩。

        无论方差的归一化因子是什么,都假定均值具有归一化因子 N。

加权方差

        对于由 N 个标量观测值组成的有限长度向量 A 和加权方案 w,加权方差被定义为

,其中 μw 是 A 的加权均值。

加权均值

        对于由 N 个标量观测值组成的有限长度向量 A 和加权方案w,加权均值定义为

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/237790.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2022复盘2023规划(技术篇)

2022复盘&2023规划(技术篇) 说明: 以下是我对我自身知识掌握度的分级解释 Lv0 简单了解技术点的应用场景 Lv1 前端: 掌握基础知识,能进行简单组件的开发与页面绘制; 后端: 掌握知识点基础&a…

Fabric:使用GoLand+Fabric-SDK-Go操作Fabric网络

遇到bug, 未完待续!!! 写在最前 前序博客已经介绍了使用命令的方式在Fabric上创建通道以及部署执行链码的方法,但这个过程太繁琐,尤其是当Fabric网络中peer节点和组织Org过多时,需要频繁的更改环境变量。 Hyperledger Fabric官方提供了Fabri…

Ubuntu 22.04 LTS上安装Docker-ce

在Ubuntu 22.04 LTS上安装Docker-ce Docker是一个开源平台,用于自动化应用程序的部署、扩展和管理。它使用容器技术,使开发、测试和部署过程更加简化和可靠。本文将介绍在Ubuntu 22.04 LTS上安装Docker-ce的步骤。 步骤1:更新软件包列表 …

5~80V降5V 0.3A同步整流降压型DC-DC转换器-AH7550

AH7550是一种TEL:l86*4884*3702*高压、高效率的同步整流降压型DC-DC开关转换器,恒定120KHz开关频率,输出电流能力高达0.6A,AH7550支持5V~80V的宽输入操作电压范围,同时支持最大占空比90%输出,芯片内置环路补…

小型家用超声波清洗机适合清洗眼镜吗?小型超声波清洗机排行榜

在快节奏的现代生活中,我们的眼睛时常与各种物品接触,如眼镜、隐形眼镜等。为了保持眼睛的健康和舒适,定期清洗眼镜变得尤为重要。而随着科技的发展,小型家用超声波清洗机逐渐进入人们的视野,它能否成为我们清洗眼镜的…

学生备考护眼灯什么牌子好推荐?高性能护眼台灯推荐

作为一名电器测评师,对各类电器好物都了解得比较多,最近也会被很多的人询问护眼台灯哪个牌子好,问其原因才知很多的人有使用护眼台灯出现眼睛酸痛刺眼的现象,这是因为使用了不专业护眼台灯导致的,一般这类护眼台灯使用…

基于springboot的日记本系统源码+数据库+安装使用说明

之前写的SpringBoot日记本系统备受好评,考虑到还是有很多小伙伴不会部署,所以这一篇文章就单独来讲一下部署步骤吧。 需要资源 idea(破不破解都行) MySQL(最好5.7以上版本,最好8.0) Navicat…

C/C++ 获取系统时间time_t的使用

time_t:它通常是一个长整型(long int),用于表示从特定参考点(通常是 1970年1月1日00:00:00UTC)经过的秒数。这被广泛用作时间戳。 但是time_t获取的时间是一个长整型,可以通过ctime()函数将其转…

探索 Vue3 ( 三 ) Teleport传送组件

Teleport Vue 3.0新特性之一。 Teleport 是一种能够将我们的模板渲染至指定DOM节点,不受父级style、v-show等属性影响,但data、prop数据依旧能够共用的技术; Teleport中的内容允许我们控制在任意的 DOM 中,完全不受父级style样式…

Gartner2023数据库魔力象限发布 阿里云依旧领导者 腾讯退出 EDB/Yugabyte进入

这是一个跨越数年的系列,历史文章参考: * 数据库魔力象限2022:阿里领先、腾讯再次进入 * 2021 藏在魔力象限中的数据库江湖 * Gartner云计算魔力象限2018 概述 Gartner云数据库魔力象限(后简称“象限”或“MQ”)一…

Postman报:400 Bad Request

● 使用Postman发送Post请求报400,入参为JSON; 二、分析 1、Postman请求并没有请求到后台Api(由于语法错误,服务器无法理解请求); 2、入参出错范围:cookie、header、body、form-data、x-www-f…

fastapi 处理请求参数整理

1、路径参数 app.get("/getfilecontent/{id}/{pre}") def get_filecontent(id,pre):"""路径参数,测试接口,读取当前工作目录下的file.txt文件,返回txt中的内容:param id: The ID of the item to retrieve.:param p…

百模大战中的AI行业:新趋势与未来发展

文章目录 每日一句正能量前言技术进步应用拓展行业变革人才竞争后记 每日一句正能量 人生最重要的价值是心灵的幸福,而不是任何身外之物。 前言 随着科技的迅猛发展,人工智能(AI)已经成为引领技术革命的重要驱动力之一。在当前的…

电气 接近开关

npn:和负载(控制器或者继电器)共阳极,低电平响应 pnp:和负载共阴极,高电平响应

阻焊层,预计将以4.5%左右的复合年增长率增长

阻焊层,也称为阻焊剂,是施加在印刷电路板 (PCB) 上的保护层,用于保护铜迹线在焊接过程中免受氧化、污染和损坏。近年来,由于消费电子、汽车、航空航天和电信等各种应用对 PCB 的需求不断增加,阻焊层市场一直在显着增长…

网页版音乐元数据编辑器Music Tag Web

什么是 Music Tag Web ? 『音乐标签』 Web 版是一款可以编辑歌曲的标题,专辑,艺术家,歌词,封面等信息的音乐标签编辑器程序, 支持 FLAC,APE,WAV,AIFF,WV&…

25、新加坡南洋理工、新加坡国立大学提出FBCNet:完美融合FBCSP的CNN,EEG解码SOTA水准![抱歉老师,我太想进步了!]

前言: 阴阳差错,因工作需要,需要查阅有关如何将FBCSP融入CNN中的文献,查阅全网,发现只此一篇文章,心中大喜,心想作者哪家单位,读之,原来是自己大导(新加坡工…

Docker 学习总结(80)—— 轻松驾驭容器,玩转 LazyDocker

前言 LazyDocker 是一个用户友好的命令行工具,简化了 Docker 的管理。它能够通过单一命令执行常见的 Docker 任务,如启动、停止、重启和移除容器。LazyDocker 还能轻松查看日志、清理未使用的容器和镜像,并自定义指标。 简绍 LazyDocker 是一个用户友好的 CLI 工具,可以轻…

Java小案例-Java实现人事管理系统

前言 《人事管理系统》该项目采用技术jsp、Struts2、Mybatis、dwr、tomcat服务器、mysql数据库 开发工具eclipse/idea。 【项目使用技术】 Struts2Mybatisdwrjqueryjscss等技术 前端使用技术:JSP, dwr、jquery、js、css等 后端使用技术:Struts2Myba…

html之如何设置音频和视频

文章目录 前言一、音频标签:audio1.audio简介2.常用属性controlsautoplayloop代码演示: 二、视频标签:video1.video2.常用的视频元素controlsautoplayloop代码演示: 总结视频元素总结音频元素总结 前言 html中插入音频和视频的方…