4.3协方差与相关系数终稿.ppt

* 信息学院 老刘 信息学院 老刘 若X和Y相互独立，则 E{[X-E(X)][Y-E(Y)]}=0。 若此式不等于0，则X与Y不独立，而是存在着某种关系。 §4.3 协方差及相关系数一、协方差定义与性质 1. 协方差定义 若随机变量 X的期望E(X)和Y的期望E(Y)存在，则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]} 为X与Y的协方差（Covariance）。 X与Y的协方差是描述X与Y之间相互关系的数字特征。 证明：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) Cov (X, Y)= E(XY) -E(X)E(Y) 2. 计算协方差的一个简单公式 3. 协方差性质 (1) Cov(X, Y)=Cov(Y, X)； (2) Cov(X, X)=D(X)， Cov(X, c)=0； (3) Cov(aX, bY)= abCov(X, Y)， 其中a, b为 常数； (4) Cov(X+Y, Z)=Cov(X, Z)+Cov(Y, Z)； (5) 若X,Y相互独立，则Cov(X, Y)=0； (6) 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。 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 1. 定义 若随机变量 X,Y的方差和协方差均存在, 且D(X)0, D(Y)0，则 称为X与Y的相关系数（Correlation Coefficient）。 注：?XY 是一个无量纲的量。 当?XY =0时，称X与Y不相关（Uncorrelated）。 2. 相关系数的性质 (1) |?XY| ? 1； (2) |?XY|=1 ? 存在常数a, b 使P{Y= a+bX}=1。 说明？ 说 明 X与Y之间没有线性关系并不表示它们之间没有关系。 存在着线性关系； 之间以概率 与 1 Y X 时， 当 1 = XY r 时， 越接近于 当 0 XY r 之间的线性关系越弱； 与 Y X ( ) 。 不相关 之间不存在线性关系 与 Y X 时， 当 0 = XY r 相关系数 是表征X, Y 线性关系紧密程度的一个量。 X 与 Y 相互独立?不相关；但不相关?相互独立 例4.3.1 设(X , Y) 服从区域D: 0x1, 0yx上的均匀分布, 求X与Y的相关系数。 解： D 1 x=y 以上结果说明了什么？ 解：1) 2) 例4.3.2 则 则 例4.3.3 设(X, Y) ～N（μ1， μ2，σ1 2，σ2 2 ，ρ），则ρXY = ρ。 可见，若(X, Y)服从二维正态分布，则X与Y独立的充分必要条件是X与Y不相关。 第110页例题5 证明: 例4.3.4 设(X, Y)服从单位圆域 x2+y2≤1上的均匀分布, 证明: ?XY =0。 同理得E(Y)=0,