概率3_二元随机变量与相关性描述.ppt

二维随机变量与相关性 LOGO 二维随机变量与相关性 概率论基础 （Ⅲ） 2009年3月 山西大学数学科学学院 二维随机变量与相关性 * 二维随机变量与相关性 山西大学数学科学学院 二维随机变量与相关性 * 一、多维随机变量（随机向量） 二、二维随机变量的特征数 协方差 相关系数 三、样本相关系数的计算 皮尔逊积矩相关系数 斯皮尔曼等级相关系数 相关概念 山西大学数学科学学院 二维随机变量与相关性 * n维随机变量（随机向量）的形式： n维随机变量的联合分布函数： 二维离散型随机变量的联合分布列： 二维连续型随机变量的联合分布函数： 二维随机变量的协方差 山西大学数学科学学院 二维随机变量与相关性 * 设（X，Y）是一个二维随机变量，如果 存在，则称其为X与Y的协方差，或称为X与Y的相关（中心）矩，并记为 特别地： 协方差 0，称X与Y正相关，即同增同减； 协方差 0，称X与Y负相关，即增减相反； 协方差 = 0，称X与Y不（线性）相关。 二维随机变量的协方差 山西大学数学科学学院 二维随机变量与相关性 * 协方差的性质： Cov(X,Y)=E(XY)-E(X)E(Y)； 若X与Y独立，则Cov(X,Y)=0，反之亦然； Cov(X,Y)=Cov(Y,X)； Cov(X,a)=0，a为常数； Cov(aX,bY)=abCov(Y,X)，a,b为常数; Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z)； Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y), Var(X-Y)=Var(X)+Var(Y)-2Cov(X,Y)。 二维随机变量的相关系数 山西大学数学科学学院 二维随机变量与相关性 * 设（X，Y）是一个二维随机变量，且 则称 为X与Y的相关系数。 相关系数与协方差是同符号的，即同正同负，所以从相关系数的取值也可以反映X与Y的（线性）相关性。 相关系数可以看做是X与Y标准化后的协方差。 施瓦兹不等式： (Schwarz inequality) 二维随机变量的相关系数 山西大学数学科学学院 二维随机变量与相关性 * 相关系数的性质： 有界： ; 相关系数大于（小于）0表示两变量正（负）相关，等于0说明不线性相关； 相关系数为 的充分必要条件是X与Y几乎处处有线性关系，即存在a(不为0)和b，使得P(Y=aX+b)=1。其中当Corr(X,Y)=1时，有a0 ；当Corr(X,Y)=1，有a0。 不相关与独立 山西大学数学科学学院 二维随机变量与相关性 * 一般场合，独立必然导致不相关，但不相关推不出独立。但在正态场合下两者等价。 TH. 在二维正态分布 场合，不相关与独立是等价的。 相关与因果 山西大学数学科学学院 二维随机变量与相关性 * 两变量有较强的相关关系（相关系数较大），并不意味着两者之间有因果关系。例如某年的降雨量与出生率有很强的相关性，但不能说高降雨量导致了高出生率，也不能说高出生率导致了高降雨量。 即使两者有因果关系，也要特别注意：导致一件事情发生的原因很多，不能说完全由它引起，所以要进一步考虑多元线性回归问题。 相关性的描述与表示 山西大学数学科学学院 二维随机变量与相关性 * 变量间的两类基本关系：确定性关系与相关关系。 前者可以用函数关系表示出来，但后者没有确切的函数关系。例如身高与体重的关系，相关但不确定。 相关关系又分为线性相关与非线性相关。（图略） 根据两变量变化的同向性，可以分为正相关与负相关；根据线性相关的强弱又可分为强相关和弱相关。 相关但不线性相关称为非线性相关。没有任何相关关系称为不相关。 只有线性相关的两变量我们才能做线性回归。 相关性的量化 山西大学数学科学学院 二维随机变量与相关性 * 前面所讲的协方差和相关系数是两个基本的相关性指标。 以下讲： 1、皮尔逊积矩相关系数 Pearson product-moment correlation coefficient 2、斯皮尔曼等级相关系数 Spearman rank correlation coefficient 皮尔逊积矩相关系数 山西大学数学科学学院 二维随机变量与相关性 * 适应于正态样本，满足相关系数的一般性质。 计算公式： 显然，两样本容量应该相同。 皮尔逊积矩相关系数的假设检验 山西大学数学科学学院 二维随机变量与相关性 * 1、陈述原假设与备择假设： 2、设定显著性水平alpha； 3、计算检验统计量r（如两变量服从正态分布）； 4、查“检验表”，的临界值C; 5、拒绝域为： 因为原假设中选用总体分布的相关系数，因此属于参数