随机变量的相关系数和相关性介绍.pptVIP

一、协方差的概念及其性质 三、随机变量的线性相关性 练习： 补充题： 补2 * 第四节 对随机向量来说，除了研究每个分量的数学期望和方差以外，还希望知道分量之间的相关程度，因此引进协方差和相关系数这两个概念。 定义 计算公式： 其中 协方差的性质： 1. 对称性： 2. 线性性： 3. 若X和Y相互独立，则 因为X和Y相互独立 注意：反之未必成立。 4. 类似地有 推广： 因此，若X1,X2, …,Xn两两独立,，则有 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) 为了消除量纲的影响，下面提出随机变量标准化的概念 . 可以验证， 标准化随机变量消除了量纲的影响。 二、相关系数的概念及其性质 定义 设 D(X)0, D(Y)0, 计算公式： 设(X,Y )的联合分布律为 例1 解 先求出边缘分布， 设(X,Y )的联合密度函数为 例2 解 先求出边缘密度， 类似地， 注：实际上,本题不必求边缘密度,可以直接用以下公式计算E(X)、E(Y )等. 实际上,第一种方法限定了求积分的次序,有时不方便. 性质1 证 性质2 证 相关系数的性质： 性质2 证 例3 解 例3 解 相关系数是随机变量之间线性关系强弱的一个度量(参见如下的示意图). | |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. 定义 下列事实彼此等价： 若X与Y 相互独立，则X与Y 不相关。 定理 注意： (2) 在正态分布的场合,独立性与不相关性是一致的。 (1) 逆命题不成立,即X与Y 不相关时,不一定独立. 二维正态分布 前面已证: X,Y 相互独立 可以计算得 于是，对二维正态随机变量(X,Y )来说, X和Y 不相关与X和Y 相互独立是等价的. 例4 设( X,Y )的分布律为 所以 这表示X,Y 不存在线性关系. 但, 知X,Y 不独立. 事实上, X,Y 具有非线性关系: 证 即A与B相互独立, 例5 即A与B相互独立, 故X和Y相互独立． 即(X,Y)服从单位圆 上的均匀分布. 设二维随机变量(X,Y)的概率密度为 试验证X和Y是不相关的,但X和Y不是相互独立的. 解 边缘密度为 例6 边缘密度为 同理, 即X和Y不独立. (奇函数) 同理, (或利用对称性) 所以 即X和Y不相关. P131 习题四 1. 2. 设(X,Y )的联合密度函数为 3. 设A,B是二随机事件, 试证明X和Y 不相关的充分必要条件是A与B独立. 并定义随机变量X,Y如下： 证 补1 设A,B是二随机事件, 试证明X和Y 不相关的充分必要条件是A与B独立. 记 则 XY的可能取值为-1,1,并且 并定义随机变量X,Y如下： 证 * * * 称为随机变量X和Y的协方差，记为。 我们把称为X的标准化随机变量. 将标准化变量与的 的协方差,称为X与Y的相关系数, 记为,即 若，则 若，则 如果，称X与Y不相关。 (1) X与Y不相关(即)； 设A和B是试验E的两个事件,且, ,并定义随机变量X,Y如下： 证明若, 则X和Y必定相互独立． 因为, 即, 所以, 从而A和、与B、与也相互独立,于是 从而A和、与B、与也相互独立,于是 若试证U,V的相关系数等于X,Y相关系数，其中． 若试证U,V的相关系数等于X,Y的相关系数，其中． 所以,