第四章第三节 协方差与相关系数 概率论课件.pptVIP

作业 第108-109页 2, 5, 6, 7 作业要求 写出求解过程，问答题要说明原因 不用抄书本上的题目，写清序号即可 五、矩的概念 定义 设 和 为随机变量， 为正整 数， 为 阶原点矩 (简称 阶矩); 为 阶中心矩 为 阶绝对原点矩； 为 阶绝对中心矩； 称 为 和 的 阶混合矩; 为 和 的 混合中心矩. 注: 由定义可见： (1) 的数学期望 是 的一阶原点矩； (2) 的方差 是 的二阶中心矩； (3) 协方差 是 与 的二阶混合中 心矩. 六、协方差矩阵 将二维随机变量(X1, X2)的四个二阶中心矩 排成一个2×2矩阵 则称此矩阵为(X1, X2)的方差与协方差矩阵，简称协方差阵。 类似地，可定义 n 维随机向量 (X1, X2, …, Xn) 的协方差阵： 为(X1, X2, …, Xn) 的协方差阵。 称矩阵 都存在, i, j=1,2,…,n 若 f (x1,x2, …,xn) 则称X服从n元正态分布. 其中C是 (X1,X2, …,Xn) 的协方差阵， |C|是C的行列式， 表示C的逆矩阵， X和 是n维列向量， 表示X的转置. 设 =(X1,X2, …,Xn)是一个n维随机向量, 若它的概率密度为 七、n元正态分布 八、n元正态分布的几条重要性质 2. X=(X1,X2, …,Xn)服从n元正态分布 a1X1+ a2 X2+ …+ an Xn 服从正态分布。 对一切不全为 0 的实数 a1, a2, …, an， 维正态变量 的每一个分量 1. 都是正态变量， 反之， 若 正态变量. 都是 3. 若 X=(X1,X2, …,Xn)服从n元正态分布， Y1,Y2, …Yk 是 Xj (j=1,2,…,n)的线性组合， 则(Y1,Y2, …, Yk)也服从多元正态分布. 这一性质称为正态变量的线性变换不变性. 4. 设(X1,X2, …,Xn)服从n元正态分布，则 “X1,X2, …,Xn相互独立” 等价于 “X1,X2, …,Xn两两不相关” 例6 设随机变量X和Y相互独立且X~N(1,2), Y~N(0,1). 试求Z=2X-Y+3的概率密度. 知 Z=2X-Y+3 服从正态分布，且 解: 由X~N(1,2), Y~N(0,1)，且X与Y独立, Var(Z) = 4Var(X)+Var(Y) = 8+1 = 9, E(Z) = 2E(X)-E(Y)+3=2+3=5 ， 故，Z~N(5, 32). 第四章第三节 协方差与相关系数 前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要的，就是本讲要讨论的 协方差和相关系数 任意两个随机变量X和Y的协方差,记为cov(X,Y), 定义为 一、协方差定义 2.具体计算 cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 为离型随机向量， 若 其概率分布为 则 若 为连续型随机向量， 其概率密度为 则 Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X与Y独立， Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 ⑸ cov(X1+X2,Y)= cov(X1,Y) + cov(X2,Y) ⑴ cov(X,X)= D(X) 二、协方差的性质 1.基本性质 ⑶ cov(aX,bY) = ab cov(X,Y) a,b是常数 ⑵ cov(X,Y)= cov(Y,X) ⑷ cov(C,X)= 0, C为任意常数 ⑹ 当X与Y相互独立时，cov(X,Y)= 0 若X1,X2, …,Xn两两独立,，上式化为 D(X+Y)= D(X)+D(Y)+ 2cov(X,Y) 2. 随机变量和的方差与协方差的关系 若 的方差存在， 则协方差一定存在且满足 例1 已知离散型随机向量 的概率分布如右表, 求 解 容易求得 的概率分 的概率分布为 布为 计算得 于是有 于是 例2 设连续型随机变量 的密度函数为 求 和 解 由 的密度函数可求得其边缘密度函 数分别为: 于是 从而 又 所以 故 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