[理学]3-3协方差.pptVIP

§3.3 协方差及相关系数 一、协方差的概念与性质 注1? 3、协方差的计算公式 4、协方差的性质 例2 注1? 二、相关系数的意义与性质 2. 相关系数的意义 例3 3. 独立与不相关的关系 例4 例5 4、相关系数的性质 性质3.18 三、协方差矩阵 2. 二维随机变量的协方差矩阵 内容小结 备用题 例1-2 例2-1 例2-2 例2-4 因而 其中 (?) (数学期望定义) 性质3.19 若X与Y相互独立, 则X与Y不相关, 反之不真. 1. n 维随机变量协方差矩阵 设 n 维随机变量 的二阶混合中心矩 , 都存在, 则称矩阵 为n 维随机变量 的协方差阵. 其中 注10 由于 协方差矩阵为对称的非负定矩阵. 注20 协方差矩阵的应用. 由于 引入矩阵 由此可得 由于 1. 协方差与相关系数的定义 相关系数. X与Y的协方差, 2. 相关系数的意义 较密切. 例1-1 设X与Y是两个随机变量, 且D?X? ? 1, D?Y? ? 3, cov?X, Y? ? ? 0.3, 求方差D?X?Y? 与 D?2X?3Y?. 解 设随机变量X和Y均服从参数? ? 1/2 U?2X , V?X?Y, 求U与V的协方差 cov?U,V?. 的指数分布, 令函数 解 由随机变量X和Y均服从参数? ? 1/2的 指数分布, 则 而 D?X? ? 4, D?Y? ? 4. 设二维连续型随机变量?X, Y?的联合密度函数为 试计算D?2X ? 3Y ? 8?. 解 由性质3.16得 D?2X ? 3Y ? 8? ? D?2X? ? D?3Y? ? 2cov?2X, 3Y? ? 4D?X? ? 9D?Y? ? 12cov?X, Y? 为了计算上述方差和协方差, 需要先计算E?X?, E?X2?, E?Y?, E?Y2?和E?XY?. 为此, 先计算X和Y的边缘分布. 由此计算得 于是可得协方差 代回原式, 可得 D?2X ? 3Y ? 8? 设二维连续型随机变量?X, Y?的联合密度函数为 解 由协方差公式得 下 回 停 一、协方差的概念与性质 二、相关系数的意义与性质 三、协方差矩阵 协方差 1. 问题的提出 若随机变量X和Y相互独立, 那么 若随机变量X和Y不相互独立, 2. 协方差与相关系数的定义 定义3.7 (X,Y)是二维随机变量, 量 称为随机变量X与Y的协方差, 记为cov(X,Y), 即 而 称为随机变量X与Y的相关系数． X和Y的相关系数是标准化的随机变量 又称为标准协方差, 是个无量纲的量. 2? 若随机变量X与Y相互独立 ? E[X?E(X)]E[Y ? E(Y)] 3? cov(X,X) ? D(X). ? 0. 的协方差. 证 (1) cov(X,Y) ? E(XY) ? E(X)E(Y); (2) D(X ? Y) ? D(X) ? D(Y) ? 2cov(X,Y). (1) cov(X,Y) ? E{?X ? E(X)][Y ? E(Y)?} ? E[XY ? XE(Y) ? YE(X) ? E(X)E(Y)] ? E(XY) ? 2E(X)E(Y) ? E(X)E(Y) ? E(XY) ? E(X)E(Y). (2) D(X ? Y) 性质3.11 性质3.12 性质3.13 性质3.14 性质3.15 cov(X,Y) ? cov(Y, X). cov(X,Y) ? E(XY) ? E(X)E(Y). cov(aX, bY) ? abcov(X,Y) , a, b为常数． cov(X1+X2,Y) ? cov(X1,Y) ? cov(X2,Y). 若X与Y独立, 则cov(X,Y) ? 0. 性质3.16 D(X ? Y) ? D(X) ? D(Y) ? 2cov(X,Y). 推广 解 设随机变量X与Y的相关系数为0.5, 例1 解 相关系数. 由 X与Y的相关系数; (证明见第二章例2.12) 二维正态分布密度函数中, 参数 代表了 2? 对于二维随机变量?X, Y?, 1. 问题的提出 问应如何a, b选择, 可使得随机变量a ? bX 最接近随机变量Y? 接近的程度又如何来衡量? 分析 解之得 定义3.8 较紧密． 若随机变量X与Y的相关系数 解 X与Y不相关; 因此, X与Y不独立. 存在线性关系. 由 可知: (1) 不相关与相互独立的关系 (性质3.19) 相互独立 不相关 (2) 不相关的充要条件 A 不相关的充分条件, 但不是必要条件 B 独立的充分条件, 但不是必要条件 C 不相关的充分必要条件 D 独立的充分必要