教学比武(协方差与相关系数).pptVIP

作业 1、思考：如何定义可以衡量非线性关系强弱的数字特征？ 2、P142 第27、28、29题 * * 协方差 对于确定性的信号来说，两个变量之间可用函数关系来描述，两者一一对应并为确定的数值。两个随机信号之间就不具有这样确定的关系，但是，如果这两个随机变量之间具有某种内涵的物理联系，那么，通过大量统计就能发现它们之间还是存在着某种虽不精确但却能表征其特征的近似关系。 问题：能不能定义像数学期望和方差这样的数字特征，用来反映随机变量之间的关系？ 若随机变量X与Y相互独立，那么 若随机变量X和Y不相互独立 D(X+Y)=D(X)+D(Y) 第4.3节 协方差及相关系数 1.定义 设两个随机变量X,Y的期望,方差存在，则称 Cov(X,Y)=E(X-EX)(Y-EY)为X和Y的协方差。 2.性质① Cov(X,Y)=Cov(Y,X)=EXY-EXEY ② Cov(aX,bY)=abCov(X,Y) ③ Cov(Z,aX+bY)=aCov(Z,X)+bCov(Z,Y) ④ 若X与Y独立，则Cov(X,Y)=0 ⑤ Cov(X,X)=DX ⑥ 一、协方差 —Cauchy-Schwarz不等式 证⑥ 令 对任何实数 t , 即 等号成立 有两个相等的实零点 即 又显然 即 即Y 与X 有线性关系的概率等于1 这种线性关系为 完全类似地可以证明 当E(X 2) 0, E(Y 2 ) 0 时，当且仅当 时，等式成立. 3.计算 (1)若(X,Y)为离散型随机向量,P{X=xi,Y=yj}=pij ,(i,j=1,2…),则 (2)若(X,Y)为连续型随机向量,(X,Y)~f(x,y),则 注意 (1)以上公式是在(X,Y)的联合分布已知情况下应用; (2)一般地,常用计算方法为 取g(x,y)=(x-EX)(y-EY), 则Cov(X,Y)=E[g(X,Y)],利用向量的函数的数学期望计算公式，我们有 Cov(X,Y)=E(XY)-EXEY 其中,EX,EY, EXY由定理计算. 二.随机变量的相关系数及其性质 1.定义 设随机变量X和Y的方差为正值,称 为X与Y的相关系数.并且 2.性质 (d) X,Y独立 注意 : X,Y不相关,不一定有X,Y独立. (b) D(X±Y)=DX+DY±2Cov(X,Y)= DX+DY± ρXY ≠0,X,Y为相关 ρXY=0,X,Y不相关 ρXY0,X,Y正相关 ρXY0,X,Y负相关 无量纲 的量 (c) 不等式等号成立 Cauchy-Schwarz 当取 当取 更一般地，用X的线性函数去逼近Y所产生的均方误差为 解得 3.意义 注意：相关系数只衡量线性关系的强弱，因此有 相互独立 不相关 因而 相关系数 随机变量 与 不相关，但是 ，从而 与 不独立． 解： 设Z是 上均匀分布的随机变量，又X=sinZ 例1 试求相关系数 Y=cosZ， 例2 随机向量(X,Y)~f(x,y)= 求X,Y的相关系数ρXY. 解:应用定理 =7/6 =5/3 同理由对称性: =7/6 EY2=5/3 所以, DX=11/36, DY=11/36 = 4/3 例3.(X,Y)的联合概率分布为: 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ρXY. 解:应用定理 故 =0 {或者 =0} 同理 =3/4 {或者 =3/4} EY=EX=0 EY2=EX2=3/4 另一方面 =1/8-1/8-1/8+1/8 =0 所以 Cov(X,Y)=EXY-EXEY=0 亦即 ρXY=0 二维正态分布的数字特征 性质: (1)边缘分布分别为X~N(μ1,σ12), Y~ N(μ2,σ22); (2)参数ρ为随机变量X和Y的相关系数,即 ρ= ρXY; (3)X,Y独立 ρXY=0. 小结： 1、实际问题+方差的性质 2、协方差的性质 ② ⑥ 相关系数的性质 去量纲 构造函数 实际意义 图形 4、相关分析应用广泛 ，包括光学、声学、电子学、地质学和神经生理学等领域 3、协方差和相关系数的计算（例2） 相互独立 不相关 例1 协方差的概念 相关系数的定义 * *