4.4协方差及相关系数.ppt

课件制作：应用数学系 概率统计课程组 概率论与数理统计 4.4 协方差及相关系数 4.4.1 协方差及相关系数的定义 4.4.1 协方差及相关系数的性质 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 这说明对于二维随机变量，除了每个 随机变量各自的概率特性以外，相互之间 可能还有某种联系. 问题是用一个什么样 的数去反映这种联系. 数 反映了随机变量X ,Y 之间的某种关系 定义 称 为X ,Y 的协方差. 记为 称 为（X , Y ）的协方差矩阵 可以证明协方差矩阵为半正定矩阵 4.4.1 协方差及相关系数的定义 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. 例如： Cov(kX, kY)=k2Cov(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 . 若D (X ) 0, D (Y ) 0 ,称 为X ,Y 的 相关系数，记为 事实上， 若 称 X ,Y 不相关. 无量纲 的量 4.4.2 协方差及相关系数的性质 注: 注: 显然 相关 不相关 正相关 负相关 协方差的性质 当D(X ) 0, D(Y ) 0 时，当且仅当 时，等式成立 —Cauchy-Schwarz不等式 协方差和相关系数的性质回顾 证 5 令 对任何实数 t , 即 等号成立 有两个相等的实零点 即 又显然 即 即Y 与X 有线性关系的概率等于1，这种线性 关系为 完全类似地可以证明 当E(X 2) 0, E(Y 2 ) 0 时，当且仅当 时，等式成立 相关系数的性质 Cauchy-Schwarz不等式 的等号成立 即Y 与X 有线性关系的概率等于1， 这种线性关系为 若X , Y 是两个随机变量，用X 的线性函数去 逼近 Y 所产生的平均平方误差为 当取 平均平方误差最小. —— 利用函数的期望或方差计算协方差 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 协方差和相关系数的计算 1 0 p q X P 1 0 p q Y P 求 Cov (X ,Y ), ?XY 已知 X ,Y 的联合分布为 X Y 1 0 1 0 p 0 0 q 0 p 1 p + q = 1 解: 1 0 p q X Y P 例4.4.1 例4.4.2 解: