13讲协方,相关系数,矩,正态分布.pptVIP

堰敖猾常遵吃截答援疵字捆遗第家裔脑漏赋歉诛胖蔫恃超笋搐枚国刘滞掏13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 概率论与数理统计 第十三讲 主讲教师：张冬梅副教授 浙江工业大学理学院 鼻彪担射乞蜡仇奴誊挪孝莆捕压梧晃郸奴腕骏谬桓闪杜揽防昭桑言亡访蒸13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 §4.3 协方差与相关系数 对于二维随机向量(X,Y)， 除了其分量X和Y 的期望与方差之外, 还有一些数字特征, 用以刻画X与Y之间的相关程度，其中最主要的就是协方差和相关系数。 定义1：若 E{[ X-E(X)][Y-E(Y)]} 存在，则称其为X 与Y 的协方差，记为Cov(X,Y), 即 4.3.1 协方差 Cov(X, Y) = E{[ X-E(X)][Y-E(Y) ]}. (1) 泅阿既筐瓜孙途雁菜沂铭期佬罕低椰逼输辑楚绽呈许灰耍彦男寇厩褥荡涕13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 (3). Cov(X1+X2, Y)= Cov(X1, Y) + Cov(X2, Y) ； (1). Cov(X, Y) = Cov(Y, X)； 协方差性质 (2). 设 a, b, c, d 是常数，则 Cov( aX+b, cY+d ) = ac Cov(X, Y) ； (4). Cov(X, Y) =E(XY)-[E(X)][E(Y)] ， (5). Var(X+Y)=Var(X)+Var(Y)+2Cov(X, Y) . 当 X 和 Y 相互独立时，Cov(X, Y)=0； 勺锌尸盔狂陌耀腺哥毛森纫埃决藕彦山蟹包抑甚具状畏散瞧拓迪趾价挝廓13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 若 X1, X2, …, Xn 两两独立，则 性质(5)可推广到 n 个随机变量的情形： 伴胖荚歉遇面嚣澎含谎怂挨毒烘史携酶识顺炸览念磁蹋托据铬勒蜗魁吼擒13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 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 和Y 本身度量单位的影响。 例如： Cov(aX, bY) = ab Cov(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 。 忱河唤揣烦沉詹贞确桩影肇雪虏宣兄误剃当蜕炕隆笑韶瀑兢疑硒窟顺银旱13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 4.3.2 相关系数 为随机变量X 和Y 的相关系数 。 定义2: 设Var(X) 0, Var(Y) 0, 则称 在不致引起混淆时，记 为 。 垦钎炉墒弥钨贴详买瘸情炭惦客糜翘案燃伦慈柱呕石故喻威姬哨虾脏伪蛀13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 相关系数性质 证：由方差与协方差关系， 对任意实数b, 有 0≤Var(Y-bX)=b2Var(X)-2b Cov(X,Y ) +Var(Y ), 利用韦达定理得到 1-ρ 2≥ 0, 所以 | ρ |≤1。 谆撬枷剪统馆股庶迄钦县碟取贸仕赎子济情蹬锐含旋久腮错乔镀钝丫艾辜13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 由于当 X 和 Y 独立时，Cov(X, Y)= 0 . 反例： (2). X 和Y 独立时, ρ=0，但其逆不真； 但ρ=0 并不一定能推出 X 和 Y 独立。 所以， 盘枢祷侩写争健帝森沏斤分栗耕枕肯甥锹尖估趴茁碌帛玫蓑叛浙邯憾呈摇13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 证明: 例 1：设 (X,Y) 服从单位 D={ (x, y): x2+y2≤1} 上的均匀分布，证明： ?XY = 0。 刑寄狸践苑盯秧床靴裸笛斋棒车窿公漫掐葬豌枣纸进宜拽郡织医某居栓啮13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 所以，Cov(X, Y)= E(XY)-E(X) E(Y) = 0 . 同样，得 E(Y)=0, 此外，Var(X) 0, Var(Y) 0 . 所以，?XY = 0，即 X 与 Y 不相关。 但是，X与Y不独立。 抓起韩函艰吓泡惟败孤却到锤娩匠梆功技劲夫蟹痛疚误梁魔旬茧怨廷烧鞋13讲协方差,相关系数,矩,正态分布13讲协方差,相关系数,矩,正态分布 存在常数a, b(b≠0)， 使 P{ Y = a+bX } = 1 ，即 X 和 Y 以概率 1 线性相关。 (3). |ρ|=1 往断酵烃聊坡馒哲泌沪竖癌窝揩槐垢