方差与协方差的理解.docVIP

§2 方差、协方差与相关系数 2.1方差 比较甲乙两人的射击技术，已知两人每次击中环数分布为： ： ：. 问哪一个技术较好？ 首先看两人平均击中环数，此时，从均值来看无法分辩孰优孰劣. 但从直观上看，甲基本上稳定在8环左右，而乙却一会儿击中10环，一会儿击中6环，较不稳定.因此从直观上可以讲甲的射击技术较好. 上例说明：对一随机变量，除考虑它的平均取值外，还要考虑它取值的离散程度. 称-为随机变量对于均值的离差(deviation)，它是一随机变量. 为了给出一个描述离散程度的数值，考虑用，但由于==0对一切随机变量均成立，即的离差正负相消，因此用是不恰当的. 我们改用描述取值的离散程度，这就是方差. 定义1 若存在，为有限值，就称它是随机变量的方差(variance)，记作Var, Var= (1) 但Var的量纲与不同，为了统一量纲，有时用，称为的标准差(standard deviation). 方差是随机变量函数的数学期望，由§1的(5)式，即可写出方差的计算公式 Var== (2) 进一步，注意到 == 即有 Var=. (3) 许多情况，用(3)式计算方差较方便些. 例1(续) 计算例1中的方差Var与Var. 解 利用(3)式 ==×0.1+×0.8+×0.1=64.2, Var==64.2--=0.2. 同理, Var== 65.2-64 = 1.2 Var, 所以取值较分散. 这说明甲的射击技术较好. 例2 试计算泊松分布P(λ)的方差. 解 所以Var. 例3 设服从[ a, b ]上的均匀分布U [a, b]，求Var. 解 , Var. 例4 设服从正态分布，求Var. 解 此时用公式(2)，由于, Var . 可见正态分布中参数就是它的方差, 就是标准差. 方差也有若干简单而重要的性质. 先介绍一个不等式. 切贝雪夫(Chebyshev)不等式 若随机变量的方差存在，则对任意给定的正数ε，恒有 . (4) 证 设的分布函数为，则 = =/. 这就得(4)式. 切贝雪夫不等式无论从证明方法上还是从结论上都有一定意义. 事实上，该式断言落在与内的概率小于等于/，或者说，落在区间内的概率大于1-/，从而只用数学期望和方差就可对上述概率进行估计. 例如，取 ε=3，则 ≈0.89. 当然这个估计还是比较粗糙的（当～时，在第二章曾经指出, P(|ξ-|3)=P(|ξ-|3σ)≈0.997 ）=0的充要条件是P(ξ=c) =1，其中c是常数. 证 显然条件充分. 反之，如果= 0，记= c, 由切贝雪夫不等式, P(|ξ- |ε)=0 对一切正数ε成立. 从而 . 性质2 设c,b都是常数，则 Var(+b)=. (5) 证 Var(+b)=E(+b-E(+b)=E(+b-c-b ==. 性质3 若, 则. 证 因 =E-, 而E(ξ-c=E-2c+, 两边相减得.这说明随机变量ξ对数学期望的离散度最小. 性质4 =+2 (6) 特别若两两独立，则 =. (7) 证 Var(=E(-E(=E = E =+2, 得证(6)式成立. 当两两独立时，对任何有， 故 E=E( =E=0, 这就得证(7)式成立. 利用这些性质，可简化某些随机变量方差的计算. 例5 设ξ服从二项分布B(n, p), 求. 解 如§1例12构造,, 它们相互独立同分布，此时 Var=pq. 由于相互独立必是两两独立的，由性质4 . 例6????????? 设随机变量相互独立同分布, , Var=, (). 记=, 求,. 解 由§1性质2和本节性质2和4有 , . 这说明在独立同分布时，作为各的算术平均，它的数学期望与各的数学期望相同，但方差只有的1/ n倍. 这一事实在数理统计中有重要意义. 例7 设随机变量ξ的期望与方差都存在,. 令 , 称它为随机变量ξ的标准化. 求与Var. 解 由均值与方差的性质可知 , . 2.2协方差 数学期望和方差反映了随机变量的分布特征. 对于随机向量, 除去各分量的期望和方差外，还有表示各分量间相互关系的数字特征—协方差. 定义2 记和的联合分布函数为. 若，就