概率论与数理统计-协方差和相关系数02课件.pptVIP

§3 协方差和相关系数 Covariance and 一、协方差 二、相关系数 (correlation coefficient) 设(X,Y)是一随机向量，当D(X)0, D(Y)0,则称数值 三、几个常用的数字特征 1、矩 (moment) :  2、协方差矩阵 （了解） ①二维r.v(X,Y)有四个二阶中心矩即cov(X,X) 、cov(X,Y) 、cov(Y,X) 、cov(Y,Y),将它们排成矩阵 称为X,Y的协方差矩阵. 小结： 征 = = 数 字 特 * （1）定义：D（X）= 1. 设C是常数,则D(C)=0; 2. 若k是常数,则D(kX)=k2 D(X); 3. 若X1与X2 独立，则D(X1+X2)= D(X1)+D(X2); 复习：方差 （2）计算： 方法2: 方法1：由定义 （3）性质： 一般地： D(X1+X2)= D(X1)+D(X2) + 2 E{[X-E(X)] [Y-E(Y)]}。 (3)泊松分布: (1)(0-1)分布: D(X)=p (1-p ) (2) 二项分布: D(X)=np(1-p) D(X)= (4)正态分布: (5)均匀分布: D(X)= D(X)= (6) 指数分布 （4）常见分布的方差： (5) 切比雪夫不等式 设r.vX具有均值E(X)=? ,方差D(X)=?2，则对?? 0 ,有不等式 证明:根据数学期望与方差的性质: 证明E(Y)=0,D(Y)=1 P99T10： 设E(X),D(X)均存在,且D(X) ≠0 通常把由 r.v X 构造r.v Y的过程叫做对r.v X 标准化。 注意:更重要的是要知道如何将一个随机变量标准化. correlation coefficient 若X、Y相互独立 说明 ①对于r. vX,Y， D(X+Y)=D(X)+D(Y)+2Cov(X,Y) ② Cov(X,Y)=0, Cov(X,X)=D(X); Cov(X,k)=0. E(XY)=E(X)E(Y)+Cov(X,Y) 对于向量X和Y，期望和方差只反映了变量各自的情况，没有相互之间的关系。 若X、Y相互独立, E{[X-E(X)][Y-E(Y)]}=0， 因此 E{[X-E(X)][Y-E(Y)]} 在一定程度上反映了X与Y之间的关系，称为X与Y的协方差。 1)用定义式 Cov(X,Y)= E{[X-E(X)][Y-E(Y)]} 2、计算方法 2)用简单公式 Cov(X,Y)=E(XY)-E(X)E(Y) 为X与Y的协方差,记作Cov（X，Y），即 设(X,Y)是一随机向量，称E{[X-E(X)][Y-E(Y)]} Cov(X,Y)= E{[X-E(X)][Y-E(Y)]} 1、定义: Y X -1 0　 1 -1 0 0 例1 设r.vX和Y的联合分布律为 求Cov(X,Y) 解： 用公式 Cov(X,Y)=E(XY)-E(X)E(Y) ①可求出(X,Y)关于X，Y的边缘分布律 X -1 0 3/8 2/8 3/8 1 Y -1 0 3/8 2/8 3/8 1 ② ∴ Cov(X,Y)=0-0=0 说明：虽然Cov(X,Y)=0，但 即X与Y不独立。 3、性质ⅰ) Cov(X,Y)=Cov(Y,X);(对称性) ⅱ) Cov(aX,bY)=abCov(X,Y), a,b是任意常数； ⅲ) Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) 注： 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本身的系数影响. 例如： Cov(10X, 10Y)=100Cov(X,Y) 为了克服这一缺点，在计算协方差时，先对X与Y进行标准化.即: 实际上，10X与10Y之间的关系和X与Y之间的关系应一致。 标准化的协方差称为X，Y的相关系数 为X,Y的线性相关系数，简称相关系数. 注： 1、定义: ⑴ 相关系数是标准化的随机变量X*，Y*的协方差。 ⑵ ρXY 没有单位，只与两个r.v有关，能更好地反映X与Y之间的关系。 2、性质： 相关系数刻划了X和Y间“线性相关”的程度. 将e视为关于a,b的二元函数，求驻点： 解得 （*） 1）成立。 2）成立。 要使Y与某个a+bX最为接近,就是要找a,b使得误差平方e值最小. 证： e=E{[Y-(a+bX)]2}=E(Y2)+b2E(X2)+a2 -2bE(XY)+2abE(X)-2aE(Y) 对任意的a,b,令 刻画了Y与a+bX的偏离程度 若 =