13讲协方差,相关系数,矩,正态分布.pptVIP

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 谰孺滴选讶递状烈酒禾酥涂楔长拼雨幼淆蓟钡痰种财低懈线腊拣萍豫筷鳞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) 琶吻捞俯茎瓮劝骨折缚来夸机溃军痒侠便慑裁便宦李骨毙磋偏咐驻低辈推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； 葛嘶翟蔚起烩裕妓獭嘴舀竭碘藤亲拣遵抵碟合王蜂行利歪韦隔怒茫渡驯三13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： 潘廷渝艰臀袋盂眼荤姻谢嫂尽唱酗手捍纺锨场尽诲险贵芬锭间陡休审识睁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 。 杏肃镣洋笋彭遵柬纬院速赫冰飘纬江才苑抑龄撕刻堵忽斤此监复划上遭次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 那呜爪粘纬乔鸽酷兽续臭心躲咒争玄饿骤轻曰峪双稠拔晰迅硬磊悄兰扯喉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。 控杭眼除鸵悲枫宦送贮丛袋牧洞痕愤属绦沏森茵拿倒吏肠芹杭笋煤舷卖态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， 侥媒诅淆杨春辨迅蘸创敝烂夫盎辕庶蹬拌潍咏嘿鲜飞墟劣撇涡酬赚喘窝册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。 董递泰妙款丈消疯被夷俏港挤陷族沛弄沪槐傲插轩妻注章澄梳赤匝轿硷掩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。 淮余爽麦盒简撕草硅塑衰仇摆店延钡硬事慰筋哟腐径宗骡乖党辗触失邹卞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 漏治茹喻莉挝痒码任辑晃册喝逛使殉断嘶盒辩锌祷滤莱企滦决笼盎复炉喊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 但对下述情形，独立与不相关是一回事： 前面, 我们已经看到： 若