s********k
发帖数: 6180 | 1 假设我有两个时间序列x(i),y(i),i=1:n. 一般的correlation计算要等到全部n个采样
完成之后再计算。我现在想用一种online的方法来实时计算，从i=2开始就开始计算两
个序列的相关性，每次时间序列有一个新的采样correlation更新一次，当然由于采样
不完全，所以允许correlation的误差存在，但是希望大体走势应该是越来越趋近最后
的准确值，不知道有没有这样的实时算法存在。谢谢 | g****t
发帖数: 31659 | 2 例如x(1),x(2),...,x(n)的平均值S,
就是S(n)=(n-1)*S(n-1)/n+x(n)/n.
correlation不就是某些东西的平均值么,
手推一下应该就可以得到式子了.
【在 s********k 的大作中提到】
: 假设我有两个时间序列x(i),y(i),i=1:n. 一般的correlation计算要等到全部n个采样
: 完成之后再计算。我现在想用一种online的方法来实时计算，从i=2开始就开始计算两
: 个序列的相关性，每次时间序列有一个新的采样correlation更新一次，当然由于采样
: 不完全，所以允许correlation的误差存在，但是希望大体走势应该是越来越趋近最后
: 的准确值，不知道有没有这样的实时算法存在。谢谢
| z*****n
发帖数: 7639 | 3 Do u assume the standard deviations of X and Y are constant?
if so, it is (suppose your buffer size for X and Y is N):
r(x,y@t=i+1) = r(x,y@t=i) +
[(x(i+1)-x')(y(i+1)-y') - (x(i+1-N)-x')(y(i+1-N)-y')]/(N-1)*s_x*s_y
where x',y' are mean of X, Y, and s_x, s_y are std of X, Y.
【在 s********k 的大作中提到】
: 假设我有两个时间序列x(i),y(i),i=1:n. 一般的correlation计算要等到全部n个采样
: 完成之后再计算。我现在想用一种online的方法来实时计算，从i=2开始就开始计算两
: 个序列的相关性，每次时间序列有一个新的采样correlation更新一次，当然由于采样
: 不完全，所以允许correlation的误差存在，但是希望大体走势应该是越来越趋近最后
: 的准确值，不知道有没有这样的实时算法存在。谢谢
| r*******r
发帖数: 1014 | 4 你是在分析 research data 还是 stock data？
这么爱correlation？
【在 s********k 的大作中提到】
: 假设我有两个时间序列x(i),y(i),i=1:n. 一般的correlation计算要等到全部n个采样
: 完成之后再计算。我现在想用一种online的方法来实时计算，从i=2开始就开始计算两
: 个序列的相关性，每次时间序列有一个新的采样correlation更新一次，当然由于采样
: 不完全，所以允许correlation的误差存在，但是希望大体走势应该是越来越趋近最后
: 的准确值，不知道有没有这样的实时算法存在。谢谢
|
|
