查看“︁自协方差”︁的源代码

{{NoteTA
|G1 = Math
}}
在[[统计学]]中，特定[[时间序列]]或者连续信号''X''<sub>''t''</sub>的'''自协方差'''（{{lang-en|Autocovariance}}）是信号与其经过时间平移的信号之间的[[协方差]]。如果序列的每个状态都有一个[[平均数]]E[''X''<sub>''t''</sub>] = μ<sub>''t''</sub>，那么自协方差为

:<math>\, \gamma(i,j) = E[(X_i - \mu_i)(X_j - \mu_j)].\,</math>

其中E是[[期望值]]运算符。如果''X''<sub>''t''</sub>是[[平稳过程|二阶平稳过程]]，那么有更加常见的定义：

:<math>\, \gamma (k) = E[(X_i - \mu)(X_{i-k} - \mu)].\,</math>

其中''k''是信号移动的量值，通常称为延时。如果用[[方差]]σ<sup>2</sup>进行归一化处理，那么自协方差就变成了[[自相关系数]]''R''(''k'')，即

:<math> R(k) = \frac{\gamma(k)}{\sigma^2}.\,</math>

需要注意的是，在有些学科中自协方差术语等同于自相关。

我们可以认为自协方差是某个信号与其自身经过一定时间平移之后的相似性，自协方差σ<sup>2</sup>就表示了在那个时延的相关性。经过方差的归一化处理将其范围转化为[−1, 1]。

==参考文献==

* P. G. Hoel (1984): Mathematical Statistics, New York, Wiley

* [https://web.archive.org/web/20060428122150/http://w3eos.whoi.edu/12.747/notes/lect06/l06s02.html Lecture notes on autocovariance from WHOI]
{{Statistics-stub}}
[[Category:时间序列]]
[[Category:协方差与相关性]]