概率论与数理统计第二版4.3.pptVIP

* 第三节 协方差与相关系数 前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要的，就是本讲要讨论的 协方差和相关系数 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 一、协方差 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 (5) Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ； (2) Cov(X,Y)= Cov(Y,X)； 2.简单性质 (3) Cov(aX,bY) = ab Cov(X,Y)，a,b是任意常数； (1) Cov(X,X)= D(X)； (4) Cov(C,X) = Cov(X,C) =0,C是任意常数； (6) 如果X与Y相互独立，则Cov(X,Y) =0. Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X与Y独立， 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 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 若X1,X2, …,Xn两两独立,，上式化为 D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y) 4. 随机变量和的方差与协方差的关系 例1、设X服从 上的均匀分布， 求 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. 例如： Cov(kX, kY)=k2Cov(X,Y) 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 . 二、相关系数 为随机变量X和Y的相关系数 . 定义: 设D(X)0, D(Y)0, 称 在不致引起混淆时，记 为 . 相关系数的性质： 2. X和Y独立时， =0，但其逆不真. 使P{Y=a+bX}=1， 即X和Y以概率1线性相关. 前面，我们已经看到： 若X与Y独立，则 ，可知X与Y不相关; 但由X与Y不相关，不一定能推出X与Y独立. 当 时，称X与Y完全相关。 *