15协方差和相关系数.pptVIP

协方差及相关系数; 前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映各随机变量之间关系的数字特征中，最重要的，就是本讲要讨论的; 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 ; Cov(X,Y)=E(XY) -E(X)E(Y) ;D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y);若X1,X2, …,Xn两两独立,，上式化为;证明：设?(t)=E(X+tY)2，则 ?(t)=E(X2)+2tE(XY)+t2E(Y2)?0， 其判别式??0，即 ?=[2E(XY)]2-4E(X2)E(Y2)?0， 所以[E(XY)] 2?E(X2)E(Y2)。 ; 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：;二、相关系数;相关系数的性质：;设U=X-E(X),V=Y-E(Y), 由许瓦兹不等式[E(UV)]2?E(U2)E(V2)， 知[E((X-E(X))(Y-E(Y)))]2 ?E[(X-E(X))2] E[(Y-E(Y))2] 所以?2XY ?1, 即| ?XY |?1;存在常数a,b(b≠0），;考虑以X的线性函数a+bX来近似表示Y，; =E(Y2)+b2E(X2)+a2- 2bE(XY)+2abE(X) - 2aE(Y); 这样求出的最佳逼近为L(X)=a0+b0X;3. X和Y独立时， =0，但其逆不真.;例1 设X服从(-1/2, 1/2)内的均匀分布,而 Y=cos X,; 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 ;二、相关系数;但对下述情形，独立与不相关等价;　　1、X与Y不相关，?XY =0； 　　2、Cov(X,Y)=0； 　　3、E(XY)=E(X)E(Y)； 4、D(X+Y)=D(X)+D(Y)。 ;　　1、X与Y不相关，?XY =0； 　　2、Cov(X,Y)=0； 　　3、E(XY)=E(X)E(Y)； 4、D(X+Y)=D(X)+D(Y)。 ;　　1、X与Y不相关，?XY =0； 　　2、Cov(X,Y)=0； 　　3、E(XY)=E(X)E(Y)； 4、D(X+Y)=D(X)+D(Y)。 ;　　1、X与Y不相关，?XY =0； 　　2、Cov(X,Y)=0； 　　3、E(XY)=E(X)E(Y)； 4、D(X+Y)=D(X)+D(Y)。 ;这一节我们介绍了协方差和相关系数;例1;例1;例1;例1;例1;例1;矩、协方差矩阵;定义 设X和Y是随机变量，若;若 E(XkYl), k,l=1,2,… 存在，称它为X和Y的k+l 阶混合矩。;协方差矩阵的定义; 类似定义n维随机变量(X1,X2, …,Xn) 的协方差矩阵.; ;n维正态分布的几条重要性质;n维正态分布的几条重要性质;n维正态分布的几条重要性质;n维正态分布的几条重要性质;例1 设随机变量X和Y相互独立且X~N(1,2), Y~N(0,1). 试求Z=2X-Y+3的概率密度.;故Z的概率密度是