概率论与数理统计第16讲汇.pptVIP

第三节 协方差及相关系数 6. 相关系数的性质 三、小结 例：二维正态分布： 三、n维正态分布的重要性质 n维正态变量(X1,X2,…,Xn)的每一个分量 Xi(i=1,2,…,n)都是正态变量; 反之, 若X1,X2,…,Xn都是正态变量, 且相互独立, 则(X1,X2,…,Xn)是n维正态变量. 注:性质中若不具有独立性, 则反之不一定成立. 2. n维正态变量(X1,X2,…,Xn)服从n维正态分布的充要条件是X1,X2,…,Xn的任意线性组合 l1X1+l2X2+…+lnXn均服从一维正态分布(其中l1,l2,…,ln不全为零). 3. 若(X1,X2,…,Xn)服从n维正态分布, 设Y1,Y2,…,Yk 是Xj(j=1,2,…,n)的线性函数, 则(Y1,Y2,…,Yk)也服 从k维正态分布.注: 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维正态分布, 则 X1,X2,…,Xn 相互独立等价于 X1,X2,…,Xn两两不相关. 例 解： 四、小结 1）矩的定义 2）协方差矩阵. 3）n 维正态分布的性质. 例1：对随机变量X、Y而言，已知2X+3Y=7， 则 例3: 设随机变量X 与Y的相关系数为0.9, 若 则Y与Z的相关系数为____. 例2：已知 则X与Y的相关系数为______. 例 .设随机变量X 与Y的相关系数为0.9，若 则Y与Z的相关系数为 解： 因此， 由题设条件知 于是 例4 证明： 一、协方差与相关系数的 概念及性质 二、相关系数的意义 三、小结 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 对二维随机变量,除每个随机变量各自的概率 特性外, 相互之间可能还有某种联系. 问题: 是用一个怎样的数去反映这种联系? 一、协方差与相关系数的概念及性质 1. 问题的提出 数 反映了随机变量X , Y 之间的某种关系. 2. 定义 由协方差定义可知协方差也是随机变量 函数的数学期望值. 协方差的大小在一定程度上反映了X和Y相互之 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) 为了克服这一缺点，对协方差进行标准化， 这就引入了相关系数 . 3. 说明 (3)对于任意的两个随机变量X和Y, 有 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 4、协方差的计算方法 (1) 利用定义计算 (2). 计算公式 证明 5. 协方差的性质 (5) Cov(X,C)=0. (7) 证明: 对任何实数 t, 上式(as a function of t )成立的充要条件是 证明: (1) 由于 (2) 令 则得到 从而 即 重新整理得 类似证明当 ，结论也成立。 7. 相关系数的意义 考虑以X的线性函数a+bX来近似表示Y， 以(平)均(平)方误差 e =E{[Y-(a+bX)]2} 来衡量以a+bX近似表示Y的好坏程度, e值越小表示 a+bX与Y的近似程度越好.用微积分中求极值的方法，求出使e 达到最小时的a,b . 相关系数刻划了X和Y间“线性相关”的程度. 以a+bX 近似的表示Y 选择a,b，使e(a,b)达到极小。 即 这样求出的最佳逼 近为L(X)=a0+b0X 这样求出的最佳逼近为L(X)=a0+b0X 这一逼近的剩余是 若 =0， Y与X无线性关系; Y与X有严格线性关系; 若 可见, 若0| |1, | |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. E[(Y-L(X))2]= D(Y)(1 - ) 此时，称X和Y不相关. (1) 不相关与相互独立的关系 2. 注意 相互独立 不相关 (2) 不相关的充要(等价)条件 例1 (解题过程自己看课本P132例2.) 结论 例2 设?~ U(0,2?) , X=cos ? , Y=cos( ? +? ), ? 是给定的常数，求cov (X ,Y ), ?XY . 解 解 例3 例3 例3 协方差与相关系数的定义 协方差的性质 相关系数的意义 第四节 矩、协方差矩阵 矩的定义 协方差矩阵的定义 n维正态变量的性质 小结 一、矩(定义)： 定义 设X和Y为随机变量, k,l为正整数, 2.若 存在， 称之为 X 的 k 阶中心矩。