第4章4.3協方差及相關系、矩.ppt

第4章 随机变量的数字特征 主要内容 § 4.1 随机变量的数学期望 随机变量数学期望的定义、含义 随机变量函数的期望 数学期望的性质 § 4.2 方差 方差的定义、含义 方差的计算公式 方差的性质 § 4.3 协方差及相关系数、矩 §4.3 协方差及相关系数、矩 4.3.1 协方差 由方差的性质(3)知， D(X + Y) = D(X) + D(Y) + 2E{[X – E(X)][Y – E(Y)]} 前面已讲过，当随机变量X与Y相互独立时， E{[X – E(X)][Y – E(Y)]} = 0 这意味着当E{[X – E(X)][Y – E(Y)]} ? 0时，X与Y不相互独立，由此可见这个量的重要性． §4.3 协方差及相关系数、矩 4.3.1 协方差 【定义4.4】设有二维随机变量(X，Y)，如果 E{[X – E(X)][Y – E(Y)]}存在，则称其为随机变量X与Y的协方差．记为Cov(X，Y)，即 Cov(X，Y) = E{[X – E(X)][Y – E(Y)]} (4.10) 方差的性质(3)可写为： D(X + Y) = D(X) + D(Y) + 2Cov(X, Y) (4.11) 协方差的计算式： Cov(X,Y) = E(XY) – E(X)E(Y) (4.12) §4.3 协方差及相关系数、矩 4.3.1 协方差 协方差性质： (1) (2) (3) a，b为常数； (4) (5) 当随机变量X与Y相互独立时，有 Cov(X，Y) = 0． §4.3 协方差及相关系数、矩 4.3.1 协方差 【例4.22】设随机变量(X，Y)具有概率密度 其中区域G由曲线 与 围成， 如图所示，求Cov(X，Y)及D(X + Y)． 解： §4.3 协方差及相关系数、矩 4.3.1 协方差 解： 同理可得， E(Y)=9/20, E(Y2) =9/35 , D(Y)=153/2800. §4.3 协方差及相关系数、矩 4.3.2 相关系数 【定义4.5】 称 (4.13) 为随机变量X与Y的相关系数．相关系数?XY是一个无量纲的量．?XY常简记为?． 重要性质： (1) |?XY | ? 1； (2) |?XY | = 1的充要条件是, 存在常数a, b使 P{Y = aX + b} =1 证明参见《概率论与数理统计》第四版107页（盛骤等编） §4.3 协方差及相关系数、矩 4.3.2 相关系数 【定义4.6】 若?XY = 0，称X与Y不相关．0 ?XY ? 1， 称X与Y正相关，– 1 ? ?XY 0，称X与Y负相关． ?XY的意义： ?XY刻画的是X与Y“线性”关系强弱的程度; X与Y的线性关系程度随着|?XY|的增加而加强; 当|?XY|=1时, X与Y的线性关系最强; 当?XY=0(即X与Y不相关)时, 说明X与Y的不存在线性关系. 【定理4.3】 若X与Y相互独立，则?XY = 0，即X与Y不相关，反之不真． §4.3 协方差及相关系数、矩 4.3.2 相关系数 【例4.24】设随机变量Z服从(–?,?)上的均匀分布,又 X= sinZ,Y = cosZ，试求相关系数?XY ． 解：由于 因而Cov(X,Y) =E(XY) – E(X)E(Y) = 0， ?XY = 0． 相关系数?XY = 0，说明随机变量X与Y不相关， 但是，由于 ，所以X与Y不独立． §4.3 协方差及相关系数、矩 4.3.3 矩 矩的概念在后面的数理统计部分有重要应用． 【定义4.7】设X和Y是随机变量，若E(Xk),k = 1,2,…存在，称其为X的k阶原点矩，简称k阶矩； 若 存在，称其为X的k阶中心矩 若 存在, 称其为X和Y的k + l阶混合矩 若 存在， 称它为X和Y的k + l阶混合中心矩． 显然，X的数学期望E(X)是X的一阶原点矩，方差D(X)是X的二阶中心矩，协方差是X和Y的二阶混合中心矩． 【分赌本问题解答】 1