我们自己计算协方差矩阵(不使用`cov`)

时间:2016-11-03 16:12:22

标签: r matrix covariance

我正在关注协方差矩阵的教程,可以在这里找到:http://stats.seandolinar.com/making-a-covariance-matrix-in-r/

它包括以下步骤:

#create a dataframe
a <- c(1,2,3,4,5,6)
b <- c(2,3,5,6,1,9)
c <- c(3,5,5,5,10,8)     
d <- c(10,20,30,40,50,55)
e <- c(7,8,9,4,6,10)

#create matrix from vectors
M <- cbind(a,b,c,d,e)
M_mean <- matrix(data=1, nrow=n) %*% cbind(mean(a),mean(b),mean(c),mean(d),mean(e)) 

k <- ncol(M) #number of variables
n <- nrow(M) #number of subjects

然后创建一个像这样的差异矩阵:

D <- M - M_mean

这对我来说非常简单。但下一步是创建协方差矩阵:

C <- (n-1)^-1 t(D) %*% D

我得到部分t(D)%%D除以(n-1)^ 1 = 6.但我不知道究竟t(D)%%D是多少积累。

有人可以向我解释一下吗?

1 个答案:

答案 0 :(得分:1)

  

但我不知道如何建立t(D)%% D。

这是矩阵交叉乘积,一种特殊形式的矩阵乘法。如果你不明白它在做什么,请考虑以下R循环来帮助你吸收这个:

DtD <- matrix(0, nrow = ncol(D), ncol = ncol(D))
for (j in 1:ncol(D)) 
  for (i in 1:ncol(D))
    DtD[i, j] <- sum(D[, i] * D[, j])

注意,实际上没有人会为此写入R循环;这只是为了帮助您理解算法。

原始答案

假设我们有一个矩阵X,其中每列给出一个特定随机变量的观察结果,通常我们只使用R基函数cov(X)得到协方差矩阵。

现在你想自己写一个协方差函数;这也不难(我很久以前做过这个练习)。它需要3个步骤:

  • 列居中(即所有变量的均值);
  • 矩阵交叉产品;
  • 平均值(超过nrow(X) - 1而不是nrow(X)进行偏差调整)。

这个简短的代码可以做到:

crossprod(sweep(X, 2L, colMeans(X))) / (nrow(X) - 1L)

考虑一个小例子

set.seed(0)
## 3 variable, each with 10 observations
X <- matrix(rnorm(30), nrow = 10, ncol = 3)

## reference computation by `cov`
cov(X)
#           [,1]        [,2]        [,3]
#[1,]  1.4528358 -0.20093966 -0.10432388
#[2,] -0.2009397  0.46086672 -0.05828058
#[3,] -0.1043239 -0.05828058  0.48606879

## own implementation
crossprod(sweep(X, 2L, colMeans(X))) / (nrow(X) - 1L)
#           [,1]        [,2]        [,3]
#[1,]  1.4528358 -0.20093966 -0.10432388
#[2,] -0.2009397  0.46086672 -0.05828058
#[3,] -0.1043239 -0.05828058  0.48606879

如果您想获得相关矩阵怎么办?

有很多方法。如果我们想直接获取它,请执行:

crossprod(scale(X)) / (nrow(X) - 1L)
#           [,1]       [,2]       [,3]
#[1,]  1.0000000 -0.2455668 -0.1241443
#[2,] -0.2455668  1.0000000 -0.1231367
#[3,] -0.1241443 -0.1231367  1.0000000

如果我们想首先获得协方差,那么(对称地)通过根对角线重新缩放以获得相关性,我们可以这样做:

## covariance first
V <- crossprod(sweep(X, 2L, colMeans(X))) / (nrow(X) - 1L)

## symmetric rescaling
V / tcrossprod(diag(V) ^ 0.5)
#           [,1]       [,2]       [,3]
#[1,]  1.0000000 -0.2455668 -0.1241443
#[2,] -0.2455668  1.0000000 -0.1231367
#[3,] -0.1241443 -0.1231367  1.0000000

我们还可以使用服务R函数cov2cor将协方差转换为相关性:

cov2cor(V)
#           [,1]       [,2]       [,3]
#[1,]  1.0000000 -0.2455668 -0.1241443
#[2,] -0.2455668  1.0000000 -0.1231367
#[3,] -0.1241443 -0.1231367  1.0000000