如何在Matlab中生成样本、估计协方差与特征值并完成实验统计

实验整体逻辑 #

• 单轮试验执行流程：生成10个二维随机样本 → 计算样本协方差矩阵 → 求解协方差矩阵对应的两个特征值
• 循环执行上述单轮流程共50次，累计每轮得到的两个特征值结果
• 基于50轮的特征值样本，分别计算两个特征值的长期均值、样本标准差

可直接运行的代码实现 #

以下代码逻辑完全匹配实验要求，核心参数可根据实际实验定义调整：

% 实验参数初始化
sample_size = 10;       % 单轮生成的样本数量
repeat_times = 50;      % 重复试验总轮次
eig_record = zeros(repeat_times, 2); % 预分配数组存储每轮的两个特征值
% 自定义二维随机变量的生成参数，可根据实验需求替换为自己的分布逻辑
% 以下以二元正态分布作为示例
mu = [0, 0];            % 二维随机变量的均值向量
real_cov = [3, 1.2; 1.2, 1.5]; % 二维随机变量的真实协方差矩阵
for iter = 1:repeat_times
    % 生成当前轮次的10个二维样本
    sample_set = mvnrnd(mu, real_cov, sample_size);
    % 计算样本协方差矩阵，默认采用n-1为分母的无偏估计
    current_cov = cov(sample_set);
    % 求解协方差矩阵的特征值，输出结果默认按从小到大排序
    current_eig = eig(current_cov);
    % 将当前轮次的特征值存入记录数组
    eig_record(iter, :) = current_eig';
end
% 统计50轮试验的特征值统计量
eig_avg = mean(eig_record, 1);   % 两个特征值的逐列均值
eig_sd = std(eig_record, 0, 1);  % 两个特征值的逐列样本标准差
% 在命令行窗口输出最终结果
fprintf('小特征值统计结果：均值=%.4f，标准差=%.4f\n', eig_avg(1), eig_sd(1));
fprintf('大特征值统计结果：均值=%.4f，标准差=%.4f\n', eig_avg(2), eig_sd(2));

实操注意事项 #

• 协方差计算的分母定义可按需调整：如果需要采用n为分母的极大似然协方差估计，只需将cov(sample_set)修改为cov(sample_set, 1)即可，避免和实验要求的协方差定义错位
• eig函数的输出默认按特征值升序排列，50轮试验中两个特征值的列位置固定，不会出现数值错位导致的统计结果偏差
• 若需要固定复现的实验结果，可在脚本最开头添加rng(种子值)类语句，固定随机数生成的种子，避免每次运行生成的随机样本存在差异
• 如果实验采用的不是二元正态分布作为样本来源，仅需替换循环内mvnrnd对应的样本生成代码，后续协方差、特征值计算、统计的逻辑无需修改

内容的提问来源于stack exchange，提问作者Harman