Anda bisa mengekstrak vektor eigen dan -nilai melalui eigen(A)
. Namun, lebih mudah menggunakan dekomposisi Cholesky. Perhatikan bahwa ketika merencanakan elips kepercayaan untuk data, sumbu elips biasanya diskalakan untuk memiliki panjang = akar kuadrat dari nilai eigen yang sesuai, dan inilah yang diberikan oleh dekomposisi Cholesky.
ctr <- c(0, 0) # data centroid -> colMeans(dataMatrix)
A <- matrix(c(2.2, 0.4, 0.4, 2.8), nrow=2) # covariance matrix -> cov(dataMatrix)
RR <- chol(A) # Cholesky decomposition
angles <- seq(0, 2*pi, length.out=200) # angles for ellipse
ell <- 1 * cbind(cos(angles), sin(angles)) %*% RR # ellipse scaled with factor 1
ellCtr <- sweep(ell, 2, ctr, "+") # center ellipse to the data centroid
plot(ellCtr, type="l", lwd=2, asp=1) # plot ellipse
points(ctr[1], ctr[2], pch=4, lwd=2) # plot data centroid
library(car) # verify with car's ellipse() function
ellipse(c(0, 0), shape=A, radius=0.98, col="red", lty=2)
Sunting: untuk memetakan vektor eigen juga, Anda harus menggunakan pendekatan yang lebih rumit. Ini setara dengan jawaban suncoolsu, hanya menggunakan notasi matriks untuk mempersingkat kode.
eigVal <- eigen(A)$values
eigVec <- eigen(A)$vectors
eigScl <- eigVec %*% diag(sqrt(eigVal)) # scale eigenvectors to length = square-root
xMat <- rbind(ctr[1] + eigScl[1, ], ctr[1] - eigScl[1, ])
yMat <- rbind(ctr[2] + eigScl[2, ], ctr[2] - eigScl[2, ])
ellBase <- cbind(sqrt(eigVal[1])*cos(angles), sqrt(eigVal[2])*sin(angles)) # normal ellipse
ellRot <- eigVec %*% t(ellBase) # rotated ellipse
plot((ellRot+ctr)[1, ], (ellRot+ctr)[2, ], asp=1, type="l", lwd=2)
matlines(xMat, yMat, lty=1, lwd=2, col="green")
points(ctr[1], ctr[2], pch=4, col="red", lwd=3)
Saya pikir ini adalah kode R yang Anda inginkan. Saya meminjam kode-R dari utas ini pada daftar r-mailing. Idenya pada dasarnya adalah: setengah-setengah besar dan kecil adalah dua nilai eigen dan Anda memutar elips dengan jumlah sudut antara vektor eigen pertama dan sumbu x
sumber
asp=1
agar memiliki rasio aspek 1 dan panah tegak lurus. Mengubah kode Anda untukevs <- sqrt(eigens$values)
memberikan elips yang sama dengan jawaban saya.