问题标签 [covariance-matrix]

作为这篇文章的作者，我想找到通过估计两个图像之间的几何变换获得的姿态估计的不确定性。

公认的答案建议使用 Bundle Adjustment 来优化姿态估计并计算最优成本函数的 Hessian。

1. 作者的最后一条评论表明，他按照这些说明获得的协方差矩阵似乎与姿势的真实误差缺乏关系；那么这甚至是计算姿势不确定性的正确方法吗？

2. bundleAdjustment如果是，如果我使用 MATLAB或函数，如何获得这个协方差矩阵bundleAdjustmentMotion？这些函数确实返回了姿势和/或 3D 点的最佳值，但是我怎样才能得到他们使用的成本函数的 Hessian 呢？

我对 Python 很陌生，我想为 GARCH 方差预测创建一个方差协方差矩阵。我已经估计了 252 天的 GARCH 方差的滚动预测，我想创建 252 个矩阵，每天一个。我有一张表格，用于预测 10 只不同股票的 GARCH 方差：

GARCH(1,1) 方差表

我想每天构建一个 10 x 10 的矩阵，看起来像这样。

方差协方差矩阵

假设股票之间的相关性是恒定的，因此协方差 (i,j) = corr(i,j) * sqrt(Var(i)) * sqrt(Var(j)) 的公式。

帮助将不胜感激:)

我尝试使用包中的matern.cov函数R来使用 Matern 协方差函数。我安装了字段包和库（字段），但它不工作。

错误消息说他们找不到功能"matern.cov"

我该如何解决这个问题？

提前致谢。

我将波动率数据帧 (rvm) 与相关数据帧 (omega_tilde) 相乘以获得协方差矩阵。

rvm DataFrame（5790 行 × 10 列）：

omega_tilde 数据帧（5790 行 × 10 列）：

我试过的代码：

我得到的错误：

编辑：我还尝试了以下方法：

这里的错误：

我想要的输出与 omega_tilde DataFrame 的格式相同，因此每天都有一个矩阵。

任何帮助表示赞赏。谢谢！

如何计算矩阵的协方差？

我尝试了不同的方法，但无法获得与 np.cov() 相同的输出

我正在做一个项目，我们必须在其中进行一些模拟。我现在想使用该RandNormal函数，在给定均值向量和协方差矩阵的情况下生成多元法线数据。对于协方差矩阵，我们必须使用不同的参数，所以不是直接将值放入，我只想将变量名称放入矩阵中（因此我们不必手动进行计算）。

我们得到这个错误：

错误：（执行）字符参数应该是数字。

这是我们的代码。数据集Simulatie还包含在 this 中定义的变量proc iml。

例如，我们尝试放入

效果很好，但是当我们将其更改为变量名时，它会出错。我们进行了一些谷歌搜索，但找不到解决方案，谁能帮助我们:) 这似乎是一个如此愚蠢、易于修复的错误，但我们就是没有成功！

提前致谢。

我正在尝试使用来自 sklearn 的高斯过程回归器来预测一些数据。我正在使用一个数据集，该数据集具有我正在尝试考虑的测量误差。我想通过最大化以下卡方可能性来做到这一点：

卡方似然

其中包含数据 Y^ 的数据协方差矩阵 Sigma。Y 是观测值的 GP 重建。

这是我使用的一些代码：

我在这里上传到 PasteBin 的数据集。

对于非常具体的数据标签，我深表歉意。如果您对此有任何疑问，我很乐意详细说明。简而言之，z_CC 是我的 x 数据，而 H_z_CC 是我的 y 数据。

我想我也许可以使用

功能。但我不确定如何将我的似然方程实现到优化器中。此外，优化器最小化可能性，而我想最大化它。

也许有更好的方法可以做到这一点，或者使用不同的高斯过程包，然后请告诉我！

非常感谢提前！！！

给定y因变量nx1和自变量X维数矩阵nxp。我愿意用给定的协方差矩阵或通过定义我自己的协方差矩阵的估计方法来估计 beta 系数、r 平方和其他线性回归参数。是否有任何允许这样做的 Matlab 函数？

我有一个大的 pyspark 数据框，其中的列是一些产品，行是它的价格。我需要计算所有产品的协方差矩阵，但是数据太大而无法转换为pandas数据框，所以我需要用pyspark来做。我到处搜索它，但我无法找到解决这个问题的方法。有谁知道如何做到这一点？

我已经有了相关矩阵，所以任何使用标准差对角矩阵的方法也非常受欢迎。

这是我的数据框两列的示例。

我正在尝试使用以下代码生成高斯分数噪声：

然而，在特征分解之后，我发现分数高斯噪声的累积和产生了：

这显然不是分数布朗运动，它应该是静止的，赫斯特参数为 0.10。代码有什么问题？

更新
当我通过 CVC* 重构我的循环矩阵时，C* 是反向特征向量的矩阵，我发现它给出了我原始循环矩阵的转置。