六相关系数和协方差.pptVIP

* 如何描述两个随机变量之间的关系? 若(X,Y)的全部可能取值坐标如图a,b,c, X 与Y的关系各是什么? * 考虑用直线 1.参数a,b取什么值时,(X,Y)的所有可能取值点与直线最接近?—如何定义(X,Y)与直线的距离? 2.在什么情况下, (X,Y)的所有可能取值落在一条直线上? 3.在什么情况下, X与Y没有线性关系? 逼近 (X,Y)的所有可能取值点. * 考虑Y与X的线性函数aX+b的”最小距离”: 取a,b使e最小: 令 解得: (2) * 将(2)带入(1),得 (3) 易见,当 时, Y与X的线性函数a0X+b0的” 距离”为0,说明此时可以用X的线性函数a0X+b0表示Y. --------称 为X与Y的相关系数. * 3.3 协方差与相关系数 1. 定义 若随机变量 X，Y的期望和方差都存在, 且DX0,DY0，则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]}. 为X与Y的协方差. 易见 Cov(X, Y)=E(XY)-E(X)E(Y). 称 为X与Y的相关系数. * 2.相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； 定义:当 Cov(X,Y)=0时,称X与Y不相关. 证明 ?“X与Y独立”和“X与Y不相关” 有何关系？ 图示 * 例1 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。 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。 * 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) D(X+Y)=D(X)+D(Y)+2Cov(X, Y). 注:D(X-Y)=D[X+(-Y)]=D(X)+D(Y)-2Cov(X,Y) * 协方差与相关系数的定义 期望、方差、协方差的性质对比 不相关与独立 * 期望、方差、协方差的性质对比 期望 方差 协方差 E(c)=C D(c)=0 Cov(c,X)=0 E(aX)=aE(X), D(aX)=a2D(X), Cov(aX,bY) =abCov(X,Y) E(X+Y) =E(X)+E(Y) D(X+Y)=D(X)+ D(Y)+2Cov(X,Y) Cov(X+Y,Z) =Cov(X,Z) +Cov(Y,Z) 当X与Y独立时 E(XY)=E(X)E(Y) * 4.4 矩、协方差矩阵 1. K阶原点矩 Ak=E(Xk), k=1, 2, … 而E(|X|k)称为X的K阶绝对原点矩； 2. K阶中心矩 Bk=E[X-E(X)]k, k=1, 2, … 而E|X-E(X)|k称为X的K阶绝对中心矩； 3. K+l阶混合原点矩 E(Xk Yl), k, l=0, 1, 2, …； 4. K+l阶混合中心矩 E{[X?E(X)]k[Y?E(Y)]l}, k, l=0, 1, 2, …； * 5. 协方差矩阵 1.定义 设X1，… , Xn为n个随机变量, 记cij=Cov(Xi, Xj), i, j=1, 2, …, n. 则称由cij组成的矩阵为随机变量 X1，… , Xn的协方差矩阵C。即