第三节协方差与相关系数.ppt

三、小结 相关系数的意义 今日作业： 　　　　　 Ｐ113　 1、3～7 预习：第四节和第五节 谢谢大家！ * * * 电子课件 史 册 主讲 概率论与数理统计 数学期望 方差 协方差与相关系数 矩 协方差矩阵 二维正态分布 第四章 随机变量的数字特征 教学基本要求 掌握：常用分布的数字特征。 熟悉：会运用数字特征的基本性质，求随机变量函数的数学期望。 理解：随机变量数字特征（数学期望、方差、标准差、协方差、相关系数、矩）的概念，二维正态分布中参数的概率意义。 了解：切比雪夫不等式，二维正态分布，理解其中参数的概率意义。 重点：常用分布的数字特征。 难点：切比雪夫不等式，随机变量的数字特征。 一、协方差的概念及性质 三、小结 第三节 协方差及相关系数 二、相关系数的概念、意义、性质 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的 协方差和相关系数 1. 问题的提出 一、协方差的概念及性质 协方差 2. 定义 3. 说明 4. 协方差的计算公式 4. 协方差的计算公式 证明 5. 性质 (1) Cov(X,X)= D(X) (4) Cov(X,C)= 0, C为常数； 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 . 二、相关系数 称为标准协方差 例 设(X,Y)服从区域 D:0x1,0yx上的均匀分布,求X与Y的协方差与相关系数. D 1 x=y 解: 相关系数的性质： 证: 由方差的性质和协方差的定义知, 对任意实数 b, 有 0≤D(Y-bX)= b2D(X)+D(Y)-2b Cov(X,Y ) 令 ，则上式为 D(Y- bX)= 2. X和Y独立时， =0，但其逆不真. 由于当X和Y独立时，Cov(X,Y)= 0. 故 = 0 但由 并不一定能推出X和Y 独立. 考虑以X的线性函数a+bX来近似表示Y， 以均方误差 e =E{[Y-(a+bX)]2} 来衡量以a+bX近似表示Y的好坏程度, e值越小表示 a+bX与Y的近似程度越好. 用微积分中求极值的方法，求出使e 达到最小时的a,b . 相关系数刻划了X和Y间“线性相关”的程度. =E(Y2)+b2E(X2)+a2- 2bE(XY)+2abE(X) - 2aE(Y) e =E{[Y-(a+bX)]2 } 解得 这样求出的最佳逼近为 L(X)=a0+b0X 这样求出的最佳逼近为L(X)=a0+b0X 这一逼近的剩余是 若 =0， Y与X无线性关系; Y与X有严格线性关系; 若 可见, 若0| |1, | |的值越接近于1, Y与X的线性相关程度越高; | |的值越接近于0, Y与X的线性相关程度越弱. E[(Y-L(X))2]= D(Y)(1- ) 4. 若 ，称X和Y不相关。 定理：若随机变量X与Y的方差都存在，且均不 为零；则下列四个命题等价。 （1） ； （2）cov(X ,Y) = 0； （3）E(XY)=EXEY； （4）D(X ±Y)=DX+DY。 前面，我们已经看到： 若X与Y独立，则X与Y不相 关， 但由X与Y不相关，不一定能推出X与Y独立. 例 设 X，Y相互独立且都服从正态分布N(0,?2) (1) 求 ; (2) 是否相关 ? 例 设 ( X , Y ) 的联合概率密度为 解：由 ，则 * * *