上海财经大学版 概率论与数理统计 第5章 数字特征和特征函数(3,4).ppt

* * 第三节 协方差和相关系数 对于二维随机向量（X，Y）而言，如果 X 和 Y 的数学期望和方差都存在，这时 EX、DX、EY、DY 分别反映了随机变量 X 和 Y 各自的部分特性。 然而二维随机向量的联合分布中还包含有 X 与 Y 之间相互关系的信息，能不能像数学期望和方差那样，用某些数值来刻画 X 和 Y 之间的联系的某些特性呢？ 协方差和相关系数就是描述两个随机变量之间联系的数字特征。 定义 5-6 设（X，Y）是 一 个 二 维 随 机 向 量，且 存在，则称 为 X 与 Y 的协方差(Covariance)。 性质 5-8 设 X，Y 和 Z 是任意随机变量，且它们的方差均存在，则 （3） 对于任意常数 a 和 b，有: 证明 由协方差的定义容易验证（2）和（3），下面仅证（1）和（4）。 （1） 定义 5-6 设（X，Y）是 一 个 二 维 随 机 向 量，且 存在，则称 为 X 与 Y 的协方差(Covariance) 。 性质 5-8 设 X，Y 和 Z 是任意随机变量，且它们的方差均存在，则 （3） 对于任意常数 a 和 b，有: 证明 由协方差的定义容易验证（2）和（3），下面仅证（1）和（4）。 （4） 定义 5-6 设（X，Y）是 一 个 二 维 随 机 向 量，且 存在，则称 为 X 与 Y 的协方差(Covariance) 。 性质 5-8 设 X，Y 和 Z 是任意随机变量，且它们的方差均存在，则 （3） 对于任意常数 a 和 b，有: 证明 由协方差的定义容易验证（2）和（3），下面仅证（1）和（4）。 以上这些性质是计算协方差时经常要用到的。 同时，我们显然还有： 性质 5-9 设随机变量 X 与 Y 的方差存在，则 证明 由方差的定义知， 类似地可以证明： 性质 5-9 可推广为：设 X1，…，Xn 的方差均存在，则 用归纳法和性质5-8的（4）即可证明: 注意： 当 X1，…，Xn 不独立时， 不一定成立。 例 5-24 设 X 服从超几何分布，即 求 EX，DX。 解 为叙述方便，不妨设n ≤ M，且以产品检验为例加以说明。 产品共 N 件，其中 M 件是次品，以 X 表示抽验的 n 件产品中次品的个数，显然 设 第i个产品为次品 第i个产品为正品 显然 其中X1，…，Xn不独立。由第一章例1-12知， 其中 i＝ 1，2，…，n 。 所以 下面计算 X 的方差 DX。 因为 Xi 服从 0-1 分布， 所以，又当i＜j， i，j＝1，2，…，n 时， 所以， XiXj 的概率分布为 故 再由性质 5-9 的推广知， 协方差是关于两个随机变量的一个数字特征，它的数值 在一定程度上反映了这两个随机变量相互间的某种关系，不 过用它来描述这关系马上就会发现一个不足的地方，这就是: 设随机变量 X 和 Y 的协方差为： 如随机变量 X 和 Y 各自增大 k倍（ k ≠ 0），则 即协方差却增大了 倍。 即协方差却为： 而kX， kY相互之间的联系与 X，Y 之间的关系从直观上 为克服这一缺点，可在计算协方差之前，先对随机变量进 行“标准化”。故引入相关系数概念。 看并无差别。 定义 5-7 设（X，Y）为二维随机向量，且 X 和 Y 的 方差均存在，都为正( 0 )，则称 为随机变量X与Y的相关系数（coefficient of correlation）。 易见，对k ≠ 0， 有 因为有： 和 例5-25 设 证明 略。 从而二维正态分布的五个参数均有明确的含义。 其中 ( X ,Y )的密度函数为： 为常数，且 定理 5-5 设随机变量 X 与 Y 的方差存在，相关系数 为 则有： 的充分必要条件是 X 与 Y 以概率 1 线性相关，即存在常数 a 与 b，使有 证明 （1） 令 运用定理 5-3（柯西-施瓦茨不等式），可得 即： 则有： 的充分必要条件是 X 与 Y 以概率 1 线性相关，即存在常数 a 与 b，使有 证明 （2）:由上述（1）的证明过程可知： 等价于 这等价于二次方程： 即： 仅有一个重根 即 又因为 所以 而由性质 5-6 (DX=0,有 P(X=a)=1) 知： 的充分必要条件是 X 与 Y 以概率 1 线性相关，即存在常数 a 与 b，使有 证明 （2）: 的充分必要条件是： 令 即有： 而由性质 5-6 (DX=0,有 P(X=a)=1) 知： 定理表明