var

方差

全页折叠

语法

V = var(A)

V = var(A,w)

V = var(A,w,"all")

V = var(A,w,dim)

V = var(A,w,vecdim)

V = var(___,nanflag)

[V,M] = var(___)

说明

V = var(A) 返回 A 中沿大小不等于 1 的第一个数组维度的元素的方差。默认情况下，方差按 N-1 实现归一化，其中 N 是观测值数量。

如果 A 是观测值的向量，则 V 是标量。
如果 A 是一个列为随机变量且行为观测值的矩阵，则 V 是一个包含与每列对应的方差的行向量。
如果 A 是多维数组，则 var(A) 沿大小不等于 1 的第一个数组维度计算，并将这些元素视为向量。此维度中 V 的大小变为 1，而所有其他维度的大小仍与在 A 中相同。
如果 A 是标量，则 V 为 0。
如果 A 是一个 0×0 的空数组，则 V 为 NaN。
如果 A 是表或时间表，则 var(A) 返回单行表，其中包含每个变量的方差。 (自 R2023a 起)

示例

V = var(A,w) 指定加权方案。当 w = 0（默认值）时，方差按 N-1 实现归一化，其中 N 是观测值数量。如果 w = 1，则方差按观测值数量实现归一化。w 也可以是包含非负元素的权重向量。在这种情况下，w 的长度必须等于 var 将作用于的维度的长度。

示例

当 w 为 0 或 1 时，V = var(A,w,"all") 返回 A 的所有元素的方差。

V = var(A,w,dim) 返回沿维度 dim 计算的方差。要维持默认归一化并指定运算的维度，请在第二个参量中设置 w = 0。

示例

当 w 为 0 或 1 时，V = var(A,w,vecdim) 返回向量 vecdim 中指定维度的方差。例如，如果 A 是矩阵，则 var(A,0,[1 2]) 返回 A 中所有元素的方差，因为矩阵的每个元素包含在由维度 1 和 2 定义的数组切片中。

示例

V = var(___,nanflag) 在上述任一语法的基础上指定包含还是省略 A 中的 NaN 值。例如，var(A,"omitnan") 在计算方差时会忽略 NaN 的值。默认情况下，var 包括 NaN 值。

示例

[V,M] = var(___) 还返回 A 中用于计算方差的元素的均值。如果 V 是加权方差，则 M 是加权均值。

示例

全部折叠

矩阵方差

打开实时脚本

创建一个矩阵并计算其方差。

A = [4 -7 3; 1 4 -2; 10 7 9];
var(A)

ans = 1×3

   21.0000   54.3333   30.3333

数组方差

打开实时脚本

创建一个三维数组并计算其方差。

A(:,:,1) = [1 3; 8 4];
A(:,:,2) = [3 -4; 1 2];
var(A)

ans = 
ans(:,:,1) =

   24.5000    0.5000


ans(:,:,2) =

     2    18

指定方差权重向量

打开实时脚本

创建一个矩阵并根据权重向量 w 计算其方差。

A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
var(A,w)

ans = 1×3

    6.1875    9.5000    6.1875

指定方差的维度

打开实时脚本

创建一个矩阵并沿第一个维度计算其方差。

A = [4 -2 1; 9 5 7];
var(A,0,1)

ans = 1×3

   12.5000   24.5000   18.0000

沿第二个维度计算 A 的方差。

var(A,0,2)

ans = 2×1

     9
     4

数组页的方差

打开实时脚本

创建一个三维数组并计算每页数据（行和列）的方差。

A(:,:,1) = [2 4; -2 1];
A(:,:,2) = [9 13; -5 7];
A(:,:,3) = [4 4; 8 -3];
V = var(A,0,[1 2])

V = 
V(:,:,1) =

    6.2500


V(:,:,2) =

    60


V(:,:,3) =

   20.9167

排除缺失值的方差

打开实时脚本

创建一个包含 NaN 值的矩阵。

A = [1.77 -0.005 NaN -2.95; NaN 0.34 NaN 0.19]

A = 2×4

    1.7700   -0.0050       NaN   -2.9500
       NaN    0.3400       NaN    0.1900

计算矩阵的方差，不包括 NaN 值。对于包含任一 NaN 值的矩阵列，var 使用非 NaN 元素进行计算。对于包含的值都是 NaN 的矩阵列，方差为 NaN。

V = var(A,"omitnan")

V = 1×4

         0    0.0595       NaN    4.9298

方差和均值

打开实时脚本

创建一个矩阵并计算每列的方差和均值。

A = [4 -7 3; 1 4 -2; 10 7 9];
[V,M] = var(A)

V = 1×3

   21.0000   54.3333   30.3333

M = 1×3

    5.0000    1.3333    3.3333

创建一个矩阵，根据权重向量 w 计算每列的加权方差和加权均值。

A = [5 -4 6; 2 3 9; -1 1 2];
w = [0.5 0.25 0.25];
[V,M] = var(A,w)

V = 1×3

    6.1875    9.5000    6.1875

M = 1×3

    2.7500   -1.0000    5.7500

输入参数

全部折叠

`A` — 输入数组
向量 | 矩阵 | 多维数组 | 表 | 时间表

输入数组，指定为向量、矩阵、多维数组、表或时间表。如果 A 是标量，则 var(A) 返回 0。如果 A 是一个 0×0 的空数组，则 var(A) 返回 NaN。

数据类型: single | double | table | timetable
复数支持: 是

`w` — 粗细
`0` (默认) | `1` | 向量

权重，指定为以下值之一：

0 - 按 N-1 实现归一化，其中 N 是观测值的数量。如果只有一个观测值，则权重为 1。
1 - 按 N 实现归一化。
由非负标量权重构成的向量，这些权重对应于沿其计算方差的 A 的维度。

数据类型: single | double

`dim` — 沿其运算的维度
正整数标量

沿其运算的维度，指定为正整数标量。如果不指定维度，则默认值是大小不等于 1 的第一个数组维度。

维度 dim 表示长度减至 1 的维度。size(V,dim) 为 1，而所有其他维度的大小保持不变。

以一个 m×n 输入矩阵 A 为例：

var(A,0,1) 计算 A 的每列中元素的方差，并返回一个 1×n 行向量。
var(A,0,2) 计算 A 的每行中元素的方差，并返回一个 m×1 列向量。

如果 dim 大于 ndims(A)，则 var(A) 返回大小与 A 相同的全零数组。

`vecdim` — 维度向量
正整数向量

维度向量，指定为正整数向量。每个元素代表输入数组的一个维度。指定的操作维度的输出长度为 1，而其他保持不变。

以 2×3×3 输入数组 A 为例。然后 var(A,0,[1 2]) 返回 1×1×3 数组，其元素是在 A 的每页上计算的方差。

Mapping of a 2-by-3-by-3 input array to a 1-by-1-by-3 output array

`nanflag` — 缺失值条件
`"includemissing"` (默认) | `"includenan"` | `"omitmissing"` | `"omitnan"`

缺失值条件，指定为下列值之一：

"includemissing" 或 "includenan" - 在计算方差时包括 A 中的 NaN 值。如果运算维度中的任一元素是 NaN，则 V 中的对应元素也是 NaN。"includemissing" 和 "includenan" 具有相同的行为。
"omitmissing" 或 "omitnan" - 忽略 A 和 w 中的 NaN 值，并基于较少的点计算方差。如果运算维度中的所有元素都是 NaN，则 V 中的对应元素是 NaN。"omitmissing" 和 "omitnan" 具有相同的行为。

输出参量

全部折叠

`V` — 方差
标量 | 向量 | 矩阵 | 多维数组 | 表

方差，以标量、向量、矩阵、多维数组或表形式返回。

如果 A 是观测值的向量，则 V 是标量。
如果 A 是一个列为随机变量且行为观测值的矩阵，则 V 是一个包含与每列对应的方差的行向量。
如果 A 是多维数组，则 var(A) 沿大小不等于 1 的第一个数组维度计算，并将这些元素视为向量。此维度中 V 的大小变为 1，而所有其他维度的大小仍与在 A 中相同。
如果 A 是标量，则 V 为 0。
如果 A 是一个 0×0 的空数组，则 V 为 NaN。
如果 A 是表或时间表，则 V 是单行表。如果 A 的变量有单位，则 V 的变量没有那些单位。 (自 R2023a 起)

`M` — 均值
标量 | 向量 | 矩阵 | 多维数组 | 表

均值，以标量、向量、矩阵、多维数组或表形式返回。

如果 A 是观测值的向量，则 M 是标量。
如果 A 是一个列为随机变量且行为观测值的矩阵，则 M 是一个包含与每列对应的均值的行向量。
如果 A 是多维数组，则 var(A) 沿大小不等于 1 的第一个数组维度计算，并将这些元素视为向量。此维度中 M 的大小变为 1，而所有其他维度的大小仍与在 A 中相同。
如果 A 是标量，则 M 等于 A。
如果 A 是一个 0×0 的空数组，则 M 为 NaN。
如果 A 是表或时间表，则 M 是单行表。如果 A 的变量有单位，则 M 的变量有相同的单位。 (自 R2023a 起)

如果 V 是加权方差，则 M 是加权均值。

详细信息

全部折叠

方差

对于由 N 个标量观测值组成的随机变量向量 A，方差定义为

$V = \frac{1}{N - 1} \sum_{i = 1}^{N} | A_{i} - μ |^{2}$

，其中 μ 是 A 的均值，

$μ = \frac{1}{N} \sum_{i = 1}^{N} A_{i} .$

有些方差的定义使用归一化因子 N 而非 N – 1。您可以通过指定权重 1 来使用归一化因子 N，从而生成样本关于其均值的二阶矩。

无论方差的归一化因子是什么，都假定均值具有归一化因子 N。

加权方差

对于由 N 个标量观测值组成的有限长度向量 A 和加权方案 w，加权方差被定义为

$V_{w} = \frac{\sum_{i = 1}^{N} w_{i} | A_{i} - μ_{w} |^{2}}{\sum_{i = 1}^{N} w_{i}}$

，其中 μ_w 是 A 的加权均值。

加权均值

对于由 N 个标量观测值组成的有限长度向量 A 和加权方案 w，加权均值定义为

$μ_{w} = \frac{\sum_{i = 1}^{N} w_{i} A_{i}}{\sum_{i = 1}^{N} w_{i}}$

扩展功能

全部展开

tall 数组
对行数太多而无法放入内存的数组进行计算。

此函数支持 tall 数组，但存在以下限制：

加权方案不能为向量。

有关详细信息，请参阅使用 tall 数组处理无法放入内存的数据。

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

用法说明和限制：

代码生成不支持输出参量 M。
如果使用参量 dim、vecdim 和 nanflag，它们在代码生成时必须为常量。
对于输入参量 A：
- 如果不指定维度，代码生成器将沿输入数组中具有可变大小或其大小不为 1 的第一个维度进行运算。如果此维度在代码生成时具有可变大小且在运行时为 1，则可能发生运行时错误。为避免此错误，请指定维度。
- 如果输入数组的所有维度在代码生成时都具有可变大小，则此数组在运行时不能为空。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

用法说明和限制：

如果指定 dim，则它必须为常量。
GPU 代码生成支持以下语法：
- V = var(A)
- V = var(A,w)
- V = var(A,w,"all")
- V = var(A,w,dim)
- V = var(A,w,vecdim)
- V = var(__,nanflag)

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

此函数完全支持基于线程的环境。有关详细信息，请参阅在基于线程的环境中运行 MATLAB 函数。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

var 函数完全支持 GPU 数组。要在 GPU 上运行该函数，请将输入数据指定为 gpuArray (Parallel Computing Toolbox)。有关详细信息，请参阅在 GPU 上运行 MATLAB 函数 (Parallel Computing Toolbox)。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

此函数完全支持分布式数组。有关详细信息，请参阅使用分布式数组运行 MATLAB 函数 (Parallel Computing Toolbox)。

版本历史记录

在 R2006a 之前推出

全部展开

R2023a: 直接对表和时间表执行计算

var 函数可以对表或时间表中的所有变量执行计算，而无需通过索引访问这些变量。所有变量都必须具有支持计算的数据类型。有关详细信息，请参阅Direct Calculations on Tables and Timetables。

R2023a: 指定缺失值条件

使用 "includemissing" 或 "omitmissing" 选项计算方差时，包括还是忽略输入数组中的缺失值。这些选项的行为分别与 "includenan" 和 "omitnan" 选项相同。

R2023a: 改进了处理小型组时的性能

在未指定运算维度的情况下对实数向量执行计算时，var 函数的性能得到了改进。与在 R2022b 中相比，在 R2023a 中函数能够更快地确定默认运算维度。

例如，以下代码会计算沿默认向量维度的方差。代码执行速度比上一版本大约快 1.6 倍。

function timingVar
A = rand(10,1);
for i = 1:8e5
    var(A);
end
end

大致的执行时间是：

R2022b：1.29 秒

R2023a：0.79 秒

代码是在运行 Windows^® 10 的 Intel^® Xeon^® CPU E5-1650 v4 @ 3.60 GHz 测试系统上使用 timeit 函数进行计时的。

timeit(@timingVar)

R2022a: 返回均值或加权均值

现在，var 函数可以通过使用第二个输出参量 M 返回用于计算方差的输入元素的均值。如果指定了加权方案，则 var 返回加权均值。

R2018b: 对多个维度执行运算

一次对输入数组的多个维度执行运算。指定一个由运算维度组成的向量，或指定 "all" 选项以对所有数组维度执行运算。

另请参阅

corrcoef | cov | mean | std

var

语法

说明

示例

矩阵方差

数组方差

指定方差权重向量

指定方差的维度

数组页的方差

排除缺失值的方差

方差和均值

输入参数

A — 输入数组 向量 | 矩阵 | 多维数组 | 表 | 时间表

w — 粗细 0 (默认) | 1 | 向量

dim — 沿其运算的维度 正整数标量

vecdim — 维度向量 正整数向量

nanflag — 缺失值条件 "includemissing" (默认) | "includenan" | "omitmissing" | "omitnan"

输出参量

V — 方差 标量 | 向量 | 矩阵 | 多维数组 | 表

M — 均值 标量 | 向量 | 矩阵 | 多维数组 | 表

详细信息

方差

加权方差

加权均值

扩展功能

tall 数组 对行数太多而无法放入内存的数组进行计算。

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境 使用 MATLAB® backgroundPool 在后台运行代码或使用 Parallel Computing Toolbox™ ThreadPool 加快代码运行速度。

GPU 数组 通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组 使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

版本历史记录

R2023a: 直接对表和时间表执行计算

R2023a: 指定缺失值条件

R2023a: 改进了处理小型组时的性能

R2022a: 返回均值或加权均值

R2018b: 对多个维度执行运算

另请参阅

`A` — 输入数组
向量 | 矩阵 | 多维数组 | 表 | 时间表

`w` — 粗细
`0` (默认) | `1` | 向量

`dim` — 沿其运算的维度
正整数标量

`vecdim` — 维度向量
正整数向量

`nanflag` — 缺失值条件
`"includemissing"` (默认) | `"includenan"` | `"omitmissing"` | `"omitnan"`

`V` — 方差
标量 | 向量 | 矩阵 | 多维数组 | 表

`M` — 均值
标量 | 向量 | 矩阵 | 多维数组 | 表

tall 数组
对行数太多而无法放入内存的数组进行计算。

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。