问题标签 [covariance-matrix]

首先，让我们直截了当地说：我不是数学家或统计学家。

到问题。我想计算一组值的方差-协方差矩阵。这些值存储在矩阵中，例如：

计算方差-协方差矩阵的原因是我想使用 mvrnorm() 来生成模拟的多元数据。在我真正的问题中，我使用 cov() 来做到这一点，效果很好。但是，当我真的想知道如何计算方差-协方差矩阵时，我偶然发现了它的定义，在 R 中实现的应该类似于：

其中 3 是 M 中的 obs（行）数。

但是， (t(M) % % M) (1/(3-1)) 对我来说并没有产生相同的结果。对于真正的问题，它产生的结果与 cov(M) 几乎相似，但并不完全相同。

我在做什么或理解错误？

我想在协方差矩阵 C = [1, 0.8; 的二维正态分布上生成 36 对数字。0.8, 1]，期望值向量是零向量（μ=0= (0,0)）。

根据我到目前为止所学到的，可以像这样计算具有协方差矩阵 C 的矩阵 A

但是如何在 Matlab 中生成 36 对数字呢？

对于我的论文，我正在使用 plm 估计不同的固定效应面板回归。该面板是不平衡的，具有较大的 T > N（N = 2，T = 60 年季度），并且是横截面相关的（pcdtest）、自相关的（pgbtest）和异方差的（pbtest）。

我一直在研究很多关于集群标准错误并测试了 vcovHC 和 vcovBK 标准错误，但是我不能 100% 确定在我的情况下使用哪个。

哪些稳健的标准误最适合我的研究环境？

谢谢你的帮助。

尝试在 R 中查找 Iris 数据的协方差矩阵时，我不断得到 NA。

我试图确定我的两个矩阵是否得到纠正，但我研究的函数似乎是基于时间的：

矩阵 1 是 crack_days_per_year_test (1x20)，矩阵 2 是平均高度 (1X20)。这两个数据集之间是否存在相关性或协方差？

Without providing a reproducible example (because that converged, and my data did not), my data is in a long format and includes 104 patients of which 304 measurements were taken. Most only have 2 measurements (n=68), followed by 5 (n=32), 4 (n=3), 3 (n=1), and 6 measurements (n=1). Some repeated measurements are taken fairly short after each other (for example for 74 of the 304 measurements the time in between was ~0.5 years), where for some patients with only two measurements the time in between is 5 years. The average follow-up time is about 3.5 years.

So far I've modeled a random intercept and slope model:

To further take into account the differing time in between subsequent measurements but keeping the increasing variances over time, I've tried to specify a model with (1) a random intercept, (2) a continuous AR1 correlation structure, and (3) heterogeneous variances:

This model does not converge. As per advice of Ben Bolker previously here is some output from running debug(nlme:::logLik.reStruct) followed by the following commands:

I understand this question might be difficult to answer without a reproducible example, but posting anymore of my data is not really an option, and model works on the subsets of my data that I had prepared for this question. If anyone has any ideas how I could further diagnose this problem, the help would be very much appreciated!

Update I've noticed that the problem arises when I specify different variances per week by adding weight=varIdent(form=~1|fu_time), and nót per se by adding a continuous AR1 (that works fine). Might the problem be in how many parameters are estimated in the model with heterogenous variances? As in, I thought that that model still only just estimates phi, but now that I think of it it might estimate a parameter for every timepoint, which in my case is a continuous variable with a lot of levels...

我正在尝试获取 SQL Server 中的股价（矩阵）日志。列名是动态的，并且已通过应用 PIVOT

现在我必须使用动态列名在此列上应用价格变化日志。

然后我必须应用投资组合协方差

在 MATLAB 中有一个函数叫做cov. 如果我像这样X插入一个矩阵，那么将返回一个协方差方阵。covcov(X)cov

我的问题很简单：如何使用 MATLAB 将该矩阵cov(X)绘制到这样的图上2D。我可以在 Google 看到很多协方差矩阵图。但是他们是如何创造它们的呢？

我在 Sommer 包中调整了一个混合模型来解决多环境试验分析，但是当模型收敛时，无论我使用什么约束条件，误差方差始终为零。我正在使用的代码是：

mix<-mmer(Peso~Local:Test + Local, random = ~vs(us(Local),Genotipo) + Local:Bloco, rcov = ~units, data = dados, tolparinv = 0.7)

有人知道如何在 Sommer 中使用此模型进行正确的分析吗？

我有三个环境（本地）在每个环境中测试了大约 250 个基因型（Genotipo）每个环境中的四个块（Bloco）在所有环境中重复大约 20 个检查处理（测试）响应变量是木薯根产量（比索）

生成一个 1000 个二维数据集，X 是两个类和绘图。1 500 个数据向量由均值 m1 = [ 8, 8] T 的高斯分布建模，其余 500 个数据向量由均值 m2 = [ 8, 8] 的高斯分布建模。两种分布的协方差矩阵为 T S = [0.3 1.5 1.5 9.0 ] 使用相同的处方生成另一个数据 200 并创建测试数据集 X 。