Matlab 将数据拟合到高斯模型后，如何检查新数据是否落在模型的方差距离内

如果我们有一个数据集，我们已经适合在一个三维高斯模型。现在我们有了平均值、协方差矩阵和pdf。如果我有一个新的数据点，我想检查它是否在协方差范围内（在模型内）。出于某些原因，我需要与方差相关的答案。如何在matlab中甚至逻辑上做到这一点？

matlab有一个协方差函数：cov（x）返回x的方差，其中x是一个向量。变量x也可以是矩阵，因此在这种情况下，cov（x）返回每列的方差。检查帮助文件，看看这是否是您想要的

一般来说，当您谈论将数据点的值与统计模型进行比较时，这通常意味着检查数据值是否小于“标准偏差”的某个倍数。为简洁起见，讨论中用希腊字母sigma表示：

sigma = sqrt(variance);

“离群值”数据点通常定义为数据值>n*sigma，其中n是根据应用程序选择的，例如，如果我们说我们希望所有数据值都在2*sigma分布范围内，我们将采用<2*sigma的所有数据值

在您的情况下，听起来您对1-sigma的数据点感兴趣？无论哪种方法，由于您已经有了方差，请使用上述关系计算sigma，然后根据该值进行检查

---

再说一次，我不确定这是你想要的，但你描述问题的方式让我觉得这就是你想要的。用谷歌搜索一下标准偏差、方差和异常值，看看这个解释是否适合你的应用。

Matlab有一个协方差函数：cov（x）返回x的方差，其中x是一个向量。变量x也可以是矩阵，因此在这种情况下，cov（x）返回每列的方差。检查帮助文件，看看这是否是您想要的

一般来说，当您谈论将数据点的值与统计模型进行比较时，这通常意味着检查数据值是否小于“标准偏差”的某个倍数。为简洁起见，讨论中用希腊字母sigma表示：

sigma = sqrt(variance);

“离群值”数据点通常定义为数据值>n*sigma，其中n是根据应用程序选择的，例如，如果我们说我们希望所有数据值都在2*sigma分布范围内，我们将采用<2*sigma的所有数据值

在您的情况下，听起来您对1-sigma的数据点感兴趣？无论哪种方法，由于您已经有了方差，请使用上述关系计算sigma，然后根据该值进行检查

---

再说一次，我不确定这是你想要的，但你描述问题的方式让我觉得这就是你想要的。谷歌搜索一下标准差、方差和异常值，看看这个解释是否适合你的应用。

类似于roybatty所写的，但更具体地说：如果你想用标准差检查数据点到分布的距离，问题是，不同方向的标准偏差不同。处理此问题的标准方法是计算分布平均值和数据点之间的距离：

如果您从一组数据点

x

估算分布参数，如下所示

m = mean(x);
S = cov(x);

然后，对于一个新的数据点

xn

，可以获得如下马氏距离：

DM = sqrt((xn - m)' * inv(S) * (xn - m));

---

DM是以标准偏差为单位的

xn

到分布中心的距离

m

，您可以应用通常的异常值标准，例如DM>3。

类似于roybatty所写的，但更具体地说：如果您想根据标准偏差检查数据点到分布的距离，问题是，不同方向的标准偏差不同。处理此问题的标准方法是计算分布平均值和数据点之间的距离：

如果您从一组数据点

x

估算分布参数，如下所示

m = mean(x);
S = cov(x);

然后，对于一个新的数据点

xn

，可以获得如下马氏距离：

DM = sqrt((xn - m)' * inv(S) * (xn - m));

---

DM是以标准偏差为单位的

xn

距离分布中心

m

，您可以应用常用的异常值标准，例如DM>3。

这正是我所需要的。谢谢大家的帮助。@user1277543:为什么要改变主意？我以为我给了你你所需要的？！是的，你的回答正是我需要的！对不起，不知道发生了什么事！这正是我所需要的。谢谢大家的帮助。@user1277543:为什么要改变主意？我以为我给了你你所需要的？！是的，你的回答正是我需要的！对不起，不知道发生了什么事！