(10-11-11) 第4章 随机变量的数字特征.ppt

4.3 协方差，相关系数（P86） 定义 设(X,Y)是二维随机变量，如果 E{[X?E(X)][Y?E(Y)]} 存在, 则称它是X与Y的协方差，记为Cov(X,Y) 即 Cov(X,Y)= E{[X?E(X)][Y?E(Y)]}。 并称 一、概念 为X与Y的相关系数，或称X与Y的标准协方差。 ρXY是一个无量纲的量。 当X与Y是离散型随机变量时，分布律P(X=xi,Y=yj)=pij 当X与Y是连续型随机变量时，密度函数f(x,y) 由协方差定义可得，对任意的随机变量X、Y，有 Cov(X,Y)= E{[X?E(X)][Y?E(Y)]}= E(XY)?E(X)E(Y) ——协方差的一个计算公式。 又有 D(X+Y)=D(X)+D(Y)+2Cov(X,Y) D(X-Y)=D(X)+D(Y)-2Cov(X,Y) 例4.15 设二维随机变量(X,Y)的联合分布律为 Y X 0 1 0 q 0 1 0 p 其中p+q=1，求协方差和相关系数ρXY 。 (类似于P88/例11) 解: 由题意可得X,Y的边缘分布律为 X 0 1 P q p Y 0 1 P q p 均为0—1分布， E(X)=p，D(X)=pq，E(Y)=p，D(Y)=pq， 所以 Cov(X,Y)=E(XY)?E(X)E(Y) =0×0×q+0×1×0+1×0×0+1×1×p?p×p =p?p2=pq 因此 例4.16 设二维随机变量(X,Y)的密度函数为 求Cov(X,Y) 解: 同理 Cov(X,Y)=E(XY)?E(X)E(Y)=0 二、协方差的性质(P97) (1) Cov(X,X)=D(X) ； (2) Cov(X,Y)=Cov(Y,X); (3) Cov(aX,bY)=abCov(X,Y)，其中a,b为常数； (4) Cov(X,C)=0, 其中c为任意常数； (5) Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z)； (6) 当X与Y相互独立时，则Cov(X,Y)=0; (7) D(X+Y)=D(X)+D(Y)+2Cov(X,Y); D(X-Y)=D(X)+D(Y)-2Cov(X,Y); (8)当X与Y相互独立时，则D(X+Y)=D(X)+D(Y) ; D(X-Y) =D(X)+D(Y) ; 称 为X的标准化变量，即“随机变量与期望之差除以均方差” (证明见P83/例1) 则E(X*)=0， D(X*)=1 则相关系数 三、相关系数的性质(P89) 1、|ρXY |≤1，即“相关系数的绝对值小于等于1”。 2、(P89) |ρXY|=1的充分必要条件是X与Y以概率1存在线性关系，即 P(Y=aX+b)=1，a≠0，a,b为常数。 且当a 0时, ρXY =1; 即X与Y以概率1存在线性关系，此时称X，Y正相关。 当a 0时, ρXY =-1; 即X与Y以概率1存在线性关系，此时称X，Y负相关。 定义 若ρXY=0，则称X与Y不相关。 3、若X与Y相互独立，则必有X与Y不相关。 证明 X与Y相互独立，有E(XY)=E(X)E(Y) Cov(X,Y)=E(XY)?E(X)E(Y)=0 所以 ρXY=0 即X与Y不相关。 注意：X与Y不相关， X与Y未必相互独立。 所谓不相关只是就线性关系而言，而相互独立是就一般关系而言的。 例4.17 设(X, Y)在D={(x,y)|x2+y2?r2}上服从均匀分布，(1)求ρXY；(2)讨论X与Y的独立性。 解 (1) Cov(X,Y)=E(XY)?E(X)E(Y)=0， 所以ρXY=0，X与Y不相关。 (2) 显然 X与Y不独立。 结论: 二维正态随机变量(X,Y) ， X与Y独立 例4.18 设二维随机变量 则协方差Cov(X,Y)=ρσ1σ 2 相关系数ρXY =ρ (见P91/例5) 故二维正态变量(X,Y)中X与Y相互独立的充分必要条件是ρ=0； 而ρXY =ρ=0表示X与Y不相关， 可见，此时 X与Y独立的充分必要条件是X与Y不相关。 X与Y不相关 等价于 练习: 设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数。 解: 四、 矩（P91） 1、若E(Xk)存在，则称Ak=E(Xk)为随机变量X的k阶原点矩，简称k阶矩(k=1,2,…)，而E(|X|k)称为X的K阶绝对原点矩； 2、若E{[X-E(X)]k}存在，则称Bk=