c45算法离散值例题

‘壹’ 协方差怎么计算，请举例说明

cov(x,y)=EXY－EX*EY

协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论cov(x,y)=EXY－EX*EY

举例：

Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02

Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02

此外：还可以计算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相关系数：
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979

表明这组数据X,Y之间相关性很好。

从直观上来看，协方差表示的是两个变量总体误差的期望。

如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值时另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。

但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。

协方差Cov(X,Y)的度量单位是X的协方差乘以Y的协方差。而取决于协方差的相关性，是一个衡量线性独立的无量纲的数。

协方差为0的两个随机变量称为是不相关的。

‘贰’ 请列一下插值法的计算公式，并举个例子。

举个例子。

2008年1月1日甲公司购入乙公司当日发行的面值600 000元、期限3年、票面利率8%、每年年末付息且到期还本的债券作为可供出售金融资产核算，实际支付的购买价款为620 000元。

则甲公司2008年12月31日因该可供出售金融资产应确认的投资收益是（）元。（已知PVA（7%，3）＝2.2463，PVA（6%，3）＝2.673，PV（7%，3）＝0.8163，PV（6%,3）＝0.8396）

题目未给出实际利率，需要先计算出实际利率。600 000×PV（r，3）＋600 000×8%×PVA（r，3）＝620 000，采用内插法计算，得出r＝6.35%。甲公司2008年12月31日因该可供出售金融资产应确认的投资收益＝620 000×6.35%＝39 370（元）。

插值法计算过程如下：

已知PVA（7%，3）＝2.2463，PVA（6%，3）＝2.673，PV（7%，3）＝0.8163，PV（6%,3）＝0.8396）

600 000×PV（r，3）＋600 000×8%×PVA（r，3）＝620 000

R=6%时

600000*0.8396+600000*8%*2.673=503760+128304=632064

R=7%时

600000*0.8163+600000*8%*2.2463=489780+107823=597603

6% 632064

r 620000

7% 597603

（6%-7%）/（6%-R）=（632064-597603）/（632064-620000）

解得R=6.35%

注意上面的式子的数字顺序可以变的，但一定要对应。如可以为

（R-7%)/(7%-6%)=(620000-597603)/(597603-632064)也是可以的，当然还有其他的顺序。"

(2)c45算法离散值例题扩展阅读:

若函数f(x)在自变数x一些离散值所对应的函数值为已知，则可以作一个适当的特定函数p(x)，使得p(x)在这些离散值所取的函数值，就是f(x)的已知值。从而可以用p(x)来估计f(x)在这些离散值之间的自变数所对应的函数值，这种方法称为插值法。

如果只需要求出某一个x所对应的函数值，可以用“图解内插”。它利用实验数据提供要画的简单曲线的形状，然后调整它，使得尽量靠近这些点。

如果还要求出因变数p(x)的表达式，这就要用“表格内插”。通常把近似函数p(x)取为多项式(p(x)称为插值多项式)，最简单的是取p(x)为一次式，即线性插值法。

在表格内插时，使用差分法或待定系数法(此时可以利用拉格朗日公式)。在数学、天文学中，插值法都有广泛的应用。