协方差与相关系数协方差与相关系数.ppt

随机变量的协方差与相关系数 开课系：环科院环境工程、经管院物流管理 徐林，数计学院 注 意 点 Corr(X, Y) 的大小反映了X与Y之间的线性关系： 随机向量的数学期望与协方差阵 协方差阵的性质 定理3.4.2 协方差阵对称、非负定. 注 意 点 称 课堂练习1 设 X ~ N(0, 1), Y ~ N(0, 1), D(X?Y) = 0, 求 (X, Y) 的协差阵 ? . 课堂练习2 设 X, Y 的协差阵为 §3.5 条件分布与条件期望 对二维随机变量(X, Y), 在给定Y取某个值的条件下, X的分布; 在给定X取某个值的条件下, Y的分布. 3.5.1 条件分布 (1) 条件分布列： (3) 条件分布函数： 3.5.2 条件数学期望 注 意 点 E(X| Y=y) 是 y 的函数. 重期望公式 第三章 多维随机变量及其分布 数学计算机科学学院 * 第*页 3.3 协方差，相关系数一.协方差定义与性质 1.协方差定义 (P129)若r.v. X的期望E(X)和Y的期望E(Y)存在, 则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]}. 为X与Y的协方差, 易见 Cov(X, Y)=E(XY）-E(X)E(Y). 当Cov(X,Y)=0时，称X与Y不相关。 “X与Y独立”和“X与Y不相关”有何关系？ 例2 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。 证: X与Y不相关.而 故,X与Y不独立. 2.协方差性质 (1) Cov(X, Y)=Cov(Y, X); (2) Cov(X,X)=D(X);Cov(X,c)=0 (3) Cov(aX, bY)=abCov(X, Y), 其中a, b为 常数 证: Cov(aX, bY)=E(aXbY)-E(aX)E(bY) =abE(XY)-aE(X)bE(Y) =ab[E(XY)-E(X)E(Y)] =abCov(X,Y) (4) Cov(X+Y，Z)=Cov(X, Z)+Cov(Y, Z); 证: Cov(X+Y，Z)= E[(X+Y)Z]-E(X+Y)E(Z) =E(XZ)+E(YZ)-E(X)E(Z)-E(Y)E(Z) =Cov(X,Z)+Cov(Y,Z) (5) D(X+Y)=D(X)+D(Y)+2Cov(X, Y). 证: 由方差性质(3)的证明过程有 注:D(X-Y)=D[X+(-Y)] =D(X)+D(Y)-2Cov(X,Y) 方差与协方差的定义 期望、方差、协方差的性质对比 不相关与独立 切比雪夫不等式 期望、方差、协方差的性质对比 当X与Y独立时 E(XY)=E(X)E(Y) Cov(X+Y,Z) =Cov(X,Z) +Cov(Y,Z) D(X+Y)=D(X)+ D(Y)+2Cov(X,Y) E(X+Y) =E(X)+E(Y) Cov(aX,bY) =abCov(X,Y) D(aX)=a2D(X), E(aX)=aE(X), Cov(c,X)=0 D(c)=0 E(c)=C 协方差 方差 期望 EX:设随机变量X?B（12,0.5),Y ?N(0,1), Cov(X,Y)=-1,求V=4X+3Y+1与W=-2X+4Y 的方差与协方差 二.相关系数 1. 定义 若r.v. X，Y的方差和协方差均存在, 且DX0,DY0，则 称为X与Y的相关系数. 注：若记 称为X的标准化，易知EX*=0，DX*=1.且 2.相关系数的性质 (1) |Corr(X,Y)|?1； (2) |Corr(X,Y)|=1?存在常数a, b 使 P{Y= aX+b}=1； (3) X与Y不相关? Corr(X,Y)=0; 1.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 D 1 x=y 解 D 1 Corr(X, Y) 接近于1， X 与 Y 间 正相关. Corr(X, Y) 接近于 ?1， X 与 Y 间 负相关. Corr(X, Y) 接近于 0， X 与 Y 间 不相关. 没有线性关系 以上EX的结果说明了什么？ 解1) 2) 例3 设 (X, Y) 的联合分 布列为 X ?1 0 1 Y ?1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求 X, Y 的相关系数. 解: = 0 同理 = 3/4 E(Y) = E(X) = 0 另一方面