statsmodels.stats.dist_dependence_measures.distance_covariance¶

statsmodels.stats.dist_dependence_measures.distance_covariance(x, y)[source]¶

距离协方差。

计算经验距离协方差，如[1]中所述。

Parameters:¶

xarray_like, 1-D or 2-D

如果x是1维的，则假设它是一个单一随机变量的观测值向量。如果x是2维的，则行应为观测值，列被视为随机向量的组成部分，即每一列代表随机向量x的不同组成部分。

yarray_like, 1-D or 2-D

与x相同，但只需要观测的数量与x匹配。如果y是二维的，请注意y的列数（即随机向量中的分量数量）不需要与x中的列数匹配。

Returns:¶

float

变量 x 和 y 之间的经验距离协方差。

参考文献

[1]

Szekely, G.J., Rizzo, M.L., 和 Bakirov, N.K. (2007) “通过距离的相关性来测量和测试依赖性”。 统计学年鉴, 第35卷 第6期, 页码2769-2794。

示例

>>> from statsmodels.stats.dist_dependence_measures import
... distance_covariance
>>> distance_covariance(np.random.random(1000), np.random.random(1000))
0.007575063951951362