协方差矩阵的齐性检验（接上一篇文章）

关于协方差同质性检验，我也是一知半解，不过多讲解，自己也很懵。
本文讲述对于两分类问题的协方差矩阵检验，和多分类的协方差矩阵的检验

两分类的协方差矩阵齐性检验

Σ1是类别1的协方差，Σ2是类别2的协方差，Σ是两个协方差的联合协方差（即图中的Σ_hat，和S）。
式子中 tr 表示trace，即沿着对角线求和。
p是维数，即数据有几个特征

因为在贝叶斯判别的式子中如果两分类协方差相等，那么用的是他们的联合协方差做计算。

所以这个检验方法是检验Σ1 和联合协方差的差异性，和Σ2与联合协方差的差异性。
如果他们的差异性都不显著，则说明他们的协方差齐性，可以用联合协方差计算。

还是 用这个例子的数据。

x = np.array([[1.14,1.78],[1.18,1.96],[1.20,1.86],[1.26,2.00],[1.28,2.00],[1.30,1.96],[1.24,1.72],[1.36,1.74],[1.38,1.64],
              [1.38,1.82],[1.38,1.90],[1.40,1.70],[1.48,1.82],[1.54,1.82],[1.56,2.08]])

y = np.array([1,1,1,1,1,1,2,2,2,2,2,2,2,2,2])

import numpy as np
import scipy.stats as stats

# 把数据分类分开
x1 = x[y==1]
x2 = x[y==2]

def cov_homogeneity_2(arr1,arr2)