从计算机模拟的书中,我得到了这两个等式。如何使用相关图估计方差?
alt text http://i37.tinypic.com/x2ugxz.jpg
首先是计算correlogram,第二个是如何使用相关图来估计方差。
估计观测方差的常用方法在计算机模拟中通常不是不正确的,因为观测往往是相关的。
我的问题是,我从我的程序计算的值非常大,所以它不可能是正确的。
我想因为当k变大时r [k]会接近0,第二个方程会给出一个相当大的值,所以也许方程是不正确的?
至于你问,这里是整个程序(用Python写的):
@property
def autocorrelation(self):
n = self.packet_sent
mean = self.mean
waiting_times = self.waiting_times
R = [ sum([(x - mean) ** 2 for x in waiting_times[:-1]])/n ]
#print R
for k in range(1, n/4 + 1):
R.append(0)
for i in range(0, n - k):
R[k] += (waiting_times[i] - mean) * (waiting_times[i + k] - mean)
R[k] /= n
auto_cor = [r/R[0] for r in R]
return auto_cor
@property
def standard_deviation_wrong(self):
'''This must be a wrong method'''
s_x = self.standard_deviation_simple
auto_cor = self.autocorrelation
s = 0
n = self.packet_sent
for k, r in enumerate(auto_cor[1:]):
s += 1 - (k + 1.0) * r/n
#print "%f %f %f" % (k, r, s)
s *= 2
s += 1
s = ((s_x ** 2) * s) ** 0.5
return s
如果没有您编程的实际功能,很难说清楚。 – nlucaroni 2009-10-28 20:31:58
你有没有检查过其他软件?这些公式是否描述了一个上限?你能给我们一个链接到这本书,或其他来源? – 2009-10-28 20:44:01
我们需要查看数据。当你的方差接近零时,r [k]将接近无穷大。 – Paul 2009-10-28 23:03:01