标签: covariance-matrix

我有一个使用7参数相机模型投影点的功能:

Vec2 project(const Rot3& R, // camera orientation
             const Vec3& T, // camera pos
             double f_px,   // focal length
             const Vec3& X) // point in world;
{
    const Vec3 P = R * (X-T);               // Subtract camera position and apply rotation
    const Vec2 p = P.hnormalized() * f_px;  // Normalize and apply focal length
    return p;
}

• Rot3是一种方便的旋转表示.假设它是3x3矩阵.
• Vec3 :: hnormalized()返回Vec2(x/z,y/z)

现在我想扩展函数以对我投射的点进行不确定性估计(3x3协方差矩阵 - 世界坐标中的椭球)并返回2x2协方差矩阵(像素坐标中的椭圆).

我认为Hartley&Zisserman 在计算机视觉中 的多视图几何的引用适用于此,但我无法弄清楚它的数学.

亲爱的程序员小伙伴们，

我正在尝试通过惩罚向量自回归分析高维数据集（31 个变量，1100 个观察值）。

由于我使用的是 Diebold 等人介绍的技术。al (2019) 通过方差分解矩阵构建连通性网络。我想在 r 中使用他们的包：https : //www.rdocumentation.org/packages/vars/versions/1.5-3/topics/fevd

但是，此包只能与常规 VAR 估计一起使用。我想使用惩罚回归，例如LASSO。那么我如何在 R 中使用他们的包，并带有惩罚的 VAR？

我尝试了什么？他们是 github 上的 Lassovars 包，但是，我不能在 fevd() 函数中使用它。它说：只使用来自 Vars 类的估计。

期待您的回复！

亲切的问候，

巴特

我正在计算方差-协方差矩阵，我看到两种不同的计算标准误差的方法：

• sqrt（对角线值/观察次数）

例如标准偏差/ sqrt（观察次数）

（从如何计算标准误差https://en.wikipedia.org/wiki/Standard_error 给出）

或者有人说这只是

• sqrt（对角线值）

我以前认为方差-协方差矩阵中的对角线值是方差，因此平方根是标准差（不是 SE）。然而，我读得越多，我就越认为我可能是错的，它是 SE，但我不确定为什么会这样。

任何人都可以帮忙吗？非常感谢！！