概率-4章-3-协方差与相关系数概述.ppt

第三节 协方差及相关系数 概率论 概率论 协方差 相关系数 课堂练习 小结 布置作业 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的 协方差和相关系数 量 E{[ X-E(X)][Y-E(Y) ]} 称为随机变量 X和Y的协方差, 记为 Cov(X,Y) ，即 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 一、协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y), a,b 是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 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 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 特别地 D(X-Y)= D(X)+D(Y) - 2Cov(X,Y) 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 相关系数的性质定理： 由方差性质知 , 存在常数C，使得 充分性 相关系数的性质： 注意 性质(3) X 和Y 独立时， =0，但其逆不真. 由于当 X 和 Y 独立时，Cov(X,Y)= 0. 故 但由 并不一定能推出 X 和 Y 独立. 请看下例. Cov(X,Y)=0. 事实上，X的密度函数 例1 设X服从(-1/2, 1/2)内的均匀分布 , 而Y=cos X, 试证明： 因而 =0， 即X和Y不相关 . 但Y与X有严格的函数关系， 即X和Y不独立 . （严格证明留作思考题） 考虑以X的线性函数a+bX来近似表示Y， 以均方误差 e =E{[Y-(a+bX)]2} 来衡量以 a +b X 近似表示Y 的好坏程度 : e 值越小表示 a +b X 与 Y 的近似程度越好. 用微积分中求极值的方法，求出使e 达到最小时的 a,b 相关系数刻划了X和Y间“线性相关”的程度.