离散数学怎么求COV

1. 离散数学，这个cov（A）到底怎么求啊

如果告诉你的是关系的集合形式，如图中的关系R1，首先去掉所有的<x,x>。其次，破坏掉关系的传递性：如果<x,y>，<y,z>，<x,z>都在其中，则去掉<x,z>。剩下的就是covA了。

如果告诉你的是关系图，那么去掉所有的环，然后还是破坏传递性。比如图3-14中的(c)，去掉四个环，去掉边<3,1>，<3,2>，<4,2>，剩下的就是哈斯图了，写成集合形式就是covA了。

2. 协方差cov计算公式是什么

协方差的计算公式为cov(X,Y)=E[(X-E[X])(Y-E[Y])]，这里的E[X]代表变量X的期望。

从直观上来看，协方差表示的是两个变量总体误差的期望。如果其中一个大于自身的期望值时另外一个也大于自身的期望值，两个变量之间的协方差就是正值。

如果其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。

协方差的特点

协方差差出了一万倍，只能从两个协方差都是正数判断出两种情况下X、Y都是同向变化，但是，一点也看不出两种情况下X、Y的变化都具有相似性这一特点。

相关系数是协方差除以标准差，当X,Y的波动幅度变大的时候，协方差变大，标准差也会变大，相关系数的分母都变大，其实变化的趋势是可以抵消的，协方差的取值范围是 正无穷到负无穷，相关系数则是+1 到-1之间。

3. cov(x,y)公式是什么

cov(x,y)公式是：

D(X)=E(X²)-E²(X)=(1.1²+1.9²+3²)/3 - 4=4.60-4=0.6 σx=0.77

D(Y)=E(Y²)-E²(Y)=(5²+10.4²+14.6²)/3-100=15.44 σy=3.93

X,Y的相关系数：

r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979

协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。

如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

若两个随机变量X和Y相互独立，则E[(X-E(X))(Y-E(Y))]=0，因而若上述数学期望不为零，则X和Y必不是相互独立的，亦即它们之间存在着一定的关系。

协方差与方差之间有如下关系：

D(X+Y)=D(X)+D(Y)+2Cov(X，Y)

D(X-Y)=D(X)+D(Y)-2Cov(X，Y)

协方差与期望值有如下关系：

Cov(X，Y)=E(XY)-E(X)E(Y)。

协方差的性质：

（1）Cov(X，Y)=Cov(Y，X)；

（2）Cov(aX，bY)=abCov(X，Y)，（a，b是常数）；

（3）Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。

由协方差定义，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。

设X和Y是随机变量，若E(X^k)，k=1，2，...存在，则称它为X的k阶原点矩，简称k阶矩。

若E{[X-E(X)]k}，k=1，2，...存在，则称它为X的k阶中心矩。

若E{(X^k）（Y^p)}，k、l=1，2，...存在，则称它为X和Y的k+p阶混合原点矩。

若E{[X-E(X)]^k[Y-E(Y)]^l }，k、l=1，2，...存在，则称它为X和Y的k+l阶混合中心矩。

显然，X的数学期望E(X)是X的一阶原点矩，方差D(X)是X的二阶中心矩，协方差Cov(X，Y)是X和Y的二阶混合中心矩。

4. 离散数学cov A的求法

先画出哈斯图：

然后求覆盖，也即找哈斯图中的两个相邻点之间的线段（中间不经过第三点）

即有：<1,2>,<1,3>,...,<6,12>

5. 离散数学这个盖住covA到底怎么看的

去掉所有的<x,x>，再破坏掉传递性：若<x,y>，<y,z>，<x,z>都在，则去掉<x,z>。剩下的就是covA。

用R表示关系。

若aRb，且不存在c，使得aRc且cRb，则称b盖住a。

对于本题来说就是，1整除4，2整除4，但是1整除2，所以4不能盖住1

求覆盖，也即找哈斯图中的两个相邻点之间的线段（中间不经过第三点）

即有：<1,2>,<1,3>,...,<6,12>

(5)离散数学怎么求COV扩展阅读：

①若b|a，c|a，且b和c互质，则bc|a。

②对任意非零整数a，±a|a=±1。

③若a|b，b|a，则|a|=|b|。

④如果a能被b整除，c是任意整数，那么积ac也能被b整除。

⑤对任意整数a，b>0，存在唯一的数对q，r，使a=bq+r，其中0≤r<b，这个事实称为带余除法定理，是整除理论的基础。

6. 概率论的 如果能解释一下这种离散型的求协方差就更好了 求cov(x,y)

COV(X，Y)=E(XY)-E(X)E(Y)

先求X，Y的边缘分布律，然后再求期望
E（XY）＝0×0.4＋（－1）×0,3＋1×0.3＝0
E（X）＝0×0.3＋1×0.7＝0.7
E（Y）＝（－1）×0.4＋0×0.1＋1×0.3＝－0.1
cov（xy）＝0．7
满意的话，请采纳，谢谢

7. 设离散型随机向量(X,Y)的分布律如下 ,求Cov(X,Y)

解：E(Y)=1*(0.12+0.03+0.15)+3*(0.05+0.25+0.20)+5*(0.15+0.02+0.03)；

E(X)=1*(0.12+0.05+0.15)+2*(0.03+0.25+0.02)+3*(0.15+0.20+0.03)；

E(XY)=1*1*0.12+1*2*0.03+1*3*0.15

+3*1*0.05+3*2*0.25+3*3*0.20

+5*1*0.15+5*2*0.02+5*3*0.03；

Cov(X,Y)=E(XY)-E(X)E(Y)。

(7)离散数学怎么求COV扩展阅读：

数值分析的主要分支致力于开发矩阵计算的有效算法，这是一个已持续几个世纪以来的课题，是一个不断扩大的研究领域。 矩阵分解方法简化了理论和实际的计算。

针对特定矩阵结构（如稀疏矩阵和近角矩阵）定制的算法在有限元方法和其他计算中加快了计算。 无限矩阵发生在行星理论和原子理论中。 无限矩阵的一个简单例子是代表一个函数的泰勒级数的导数算子的矩阵

8. 离散型随机变量x,y,一直x y的概率,如何求cov(x,y)

cov(x,y)=E(XY)-E(X)E(Y)

9. cov(x1,x2)怎么算

cov（x1，x2）要求的是协方差，协方差可以根据x1和x2的期望以及x1和x2联合起来的期望计算，具体的公式可以表达为cov（x1，x2）=E（x1x2）-E（x1）E（x2）。

协方差有时也称为是两个随机变量之间“线性独立性”的度量，但是这个含义与线性代数中严格的线性独立性不同。

当两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

协方差的一些简单性质：

1、Cov（X，Y）=Cov（Y，X）。

2、Cov（aX，bY）=abCov（X，Y），（其中a，b是常数）。

3、Cov（X1+X2，Y）=Cov（X1，Y）+Cov（X2，Y）。

4、Cov（X+a，Y+b）=Cov（X，Y）。

根据协方差定义不难得出出Cov（X，X）=D（X），Cov（Y，Y）=D（Y）。

协方差与方差之间的关系：

D（X+Y）=D（X）+D（Y）+2Cov（X，Y）。

D（X-Y）=D（X）+D（Y）-2Cov（X，Y）。

以上内容参考：网络-协方差