4-3协方差与相联系数与其性质.pptVIP

4.3协方差与相关系数 二、相关系数的意义 (2)推广 定义 设X=(X1,X2,…,Xn)? 为n维随机向量,并记μi=E(Xi)， 例6: 设(X,Y)?N(μ1, μ2,σ12,σ22,?),求向量(X，Y)＇的均值μ与协方差矩阵。 解: E(X)=μ1，E(Y)=μ2， 4．多维正态分布及其性质 二维正态随机向量X=(X1，X2)? 的概率密度为 (1)定义 若n维随机向量X=(X1，…，Xn)的概率密度为 (2) 性质 （P179页） n维正态分布具有下述性质： 1)n维随机向量(X1，…，Xn)服从n维正态分布充要条件是X1，…，Xn的任意线性组合l1X1+l2X2+…+lnXn(l1,l2,…,ln是不全为0的数)服从一维正态分布。 小结： 1.结论1：X与Y相互独立 ? ρXY=0 ? X与Y不相关； 反之，ρXY=0 不能推出X与Y相互独立。 结论2：对任意X与Y，以下结论等价ρXY=0 ? Cov(X，Y)=0 ? E(XY)=E(X)E(Y) ? D(X+Y)=D(X)+D(Y)。 结论3：若(X，Y)～N(μ1, μ2 ,σ12, σ22,ρ)，则X与Y相互独立 ? ρXY=0 ? X与Y不相关。 * 一、基本概念 二、n 维正态变量的性质 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 对二维随机变量,除每个随机变量各自的概率特性外, 相互之间还有某种联系,问题是用一个怎样的数去反映这种联系. 问题的提出 协方差 反映了随机变量 X , Y 之间的某种关系 1. 定义 一 .协方差和相关系数的定义 若D (X ) 0, D (Y ) 0 ,称 若 称 X ,Y 不相关. 无量纲 的量 2. 说明 3. 协方差的计算公式 法1.若 ( X ,Y ) 为离散型，已知pij 若 ( X ,Y ) 为连续型，已知f(x,y) 法2. 4. 性质 求cov (X ,Y ) ?XY 1 0 p q X P 1 0 p q Y P 例1 已知 X ,Y 的联合分布为 X Y pij 1 0 1 0 p 0 0 q 0 p 1 p + q = 1 解 1 0 p q X Y P 解 例2 设 ( X ,Y ) ~ ，求?XY 结论 即X ,Y 相互独立 X ,Y 不相关 解 例3 1. 问题的提出 解得 2. 相关系数的意义 例4 解 (1) 不相关与相互独立的关系 3. 注意 相互独立 不相关 (2) 不相关的充要条件 4. 相关系数的性质 (1)证： 由柯西一许瓦兹不等式知 所以|ρXY|≦1。 意义 |ρXY|=1当且仅当Y跟X几乎有线性关系。这说明了相关系数的概率意义。 ρXY是刻画X，Y之间线性相关程度。 (2)证： 由柯西一许瓦兹不等式中等号成立（ ） 充要条件知 练习 设 ( X ,Y ) ~ N ( 1,1; 4,4; 0.5 ), Z = X + Y , 求 ? XZ 解 写为矩阵的形式： 称为随机变量(X1,X2)的协方差矩阵。 (1)．二维随机向量的协方差矩阵 二维随机变量(X1,X2)有四个二阶中心矩(设他们存在)，分别记为 三.协方差矩阵 则称μ=(μ1,μ2,…,μn)?为向量X的数学期望或均值，称矩阵 为向量X的协方差矩阵。 所以(X，Y)?的均值为μ=(μ1,μ2)? (X，Y)?协方差矩阵为 3. 协方差矩阵的性质 (1)协方差矩阵对角线上的元素Cii为Xi的方差即Cii=D(Xi) i=1，2，…，n； (2)协方差矩阵C为对称矩阵,即Cij=Cji ,i，j=1，2，…，n； (3)C为非负定矩阵,即对于任意实向量t=(t1，t2，…，tn)?,有t?Ct≥0； 证：性质(1)，(2)显然，只证(3) 引入下面记号 经运算可得 于是X=(X1，X2)? 的概率密度可写成 上式推广至n维正态分布的情况，于是有以下定义： 其中X=(X1，…，Xn)?,μ=(μ1，μ2，…，μn)? 为n维实向量，C为n阶正定对称矩阵，则称向量 X=(X1，…，Xn)?服从n维正态分布，记为X～N(μ,C)