北邮概率统计课件4.3协方差与相关系数.pptVIP

北邮概率统计课件 * 概率统计 注： 一. 协方差 1.定义1. 量 称为随机变量 X 与 Y 的协方差，记为： 即： 协方差中当 X = Y 时即为方差的定义，即： 故方差是协方差的特例。 2. 协方差的简单性质 是常数 显然，若 X 与 Y 相互独立则： Cov(X, Y)= 0 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得： 证明： 注： 4. 随机变量和的方差与协方差的关系 若 X1, X2, …, Xn 两两独立，上式化为： 协方差的大小在一定程度上反映了X 和 Y 相互间的关系，但它还受 X与Y 本身度量单位的影响. 为了克服这一缺点，对协方差进行标准化，这就引入了相关系数的概念。 . 问题： 例如： 称为随机变量 二. 相关系数 1.定义2. 量(无量纲) X, Y 的相关系数，记为： 即： 2. 相关系数的简单性质 存在常数 使得： X 和 Y 以概率 1 线性相关 由方差的性质和协方差的定义知，对任意实数 令 ，则上式为： 证明： 有： 由于方差D(Y)是正的，故必有： 所以证得： 由方差与协方差协关系有： 因此有： 证明： 存在常数 使得： 与 是标准化随机变量， 故其均值为 0，方差为 1 由方差的性质，可知: 整理得 ： 当 时有: 为常数 其中： 同理，当 时也可推出此结论。因此得证。 又 所以： 于是得： 所以： 即： 注： X 和 Y 独立时， 但其逆不真. 由于当 X 和Y 独立时，Cov(X, Y)= 0，故 但 并不一定能推出X 和 Y 独立。 例1. 设 在 上服从均匀分布，即： 验证： 与 是不相关的，但不是相互独立的。 证明： 由已知，X, Y 的边缘概率密度为: 与 又因为： 显然， 所以： 与 是不独立的 所以： 从而有： 于是得： 故得： 是不相关的。 奇函数在对称区间上的积分为 0 当 时，称 X与 Y不相关。 一般： 故有： 若 X 与 Y 相互独立，则 X与 Y 不相关；但反之不真。 但对下述情形，独立与不相关等价 若 ( X, Y ) 服从二维正态分布，则 X 与 Y 相互独立 X 与 Y 不相关 1. 2. 注: 相关系数刻划了X 和 Y 间“线性相关”的程度. 若考虑以 X 的线性函数 a + bX 来近似表示 Y， 以均方误差 来衡量以 a + bX 近似表示 Y 的好坏程度。 则：e 值越小表示 a + bX 与 Y 的近似程度越好. 现用微积分中求极值的方法，求出使 e 达到最小时的 a，b ： e = E {[ Y- ( a + bX ) ]2 } = E( Y 2 ) + b 2 E( X 2 )+ a 2- 2b E( XY ) + 2ab E( X ) - 2a E( Y ) 令： 解得： 这样求出的 最佳逼近为： L(X)=a0+b0X 这一逼近的剩余是： 则 Y 与 X 有严格线性关系; 可见： 则 Y 与 X 无线性关系; 的值越接近于1，Y 与 X 的线性相关程度越高; 若 若 若 则当： 的值越接近于0， Y 与 X 的线性相关程度越弱. 例2. 设 (X, Y) 服从二维正态分布，它的概率密度为： 求：X 与 Y 的相关系数 解: 由已知，X, Y 的边缘概率密度为: 其数学期望与方差分别为： 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ * 概率统计 * *