概论与统计课件第四章_随变量的数字特征.ppt

3.1 协方差 定义3.1 设二维随机变量 (X, Y) , 若 E[(X- EX)(Y- EY)] 存在, 称它为X 与 Y 的协方差. 记作 Cov(X, Y), 即 显然： Cov(X, X) = DX Cov(X, Y)= E[(X - EX)(Y - EY)] 协方差的定义 D(X?Y)=DX+DY?2E{(X-EX)(Y-EY)} 说明 证明： Cov(X, Y) = E[(X-EX)(Y-EY)] = E( XY – XEY – YEX + EXEY ) = E(XY) – E(XEY) – E(YEX) + E(EXEY) = EXY - EXEY 1o 若 X 与Y 独立，则 Cov(X ,Y) = 0 2o 对 X与 Y 有: D(X ? Y) =DX+DY ? 2Cov(X ,Y) 协方差的计算公式 Cov(X, Y) = EXY - EXEY 性质4： Cov(X1+ X2, Y) =Cov(X1,Y)+Cov(X2,Y) 协方差的性质 性质2： Cov(X,Y) = Cov(Y, X) 性质3： Cov(aX, bY) = abCov(X,Y) 设 a , b , c 都是常数， Cov(X,Y) = E [(X- EX)(Y- EY)] 性质5： D(X ± Y) = DX + DY ± 2Cov(X,Y) 性质1： Cov(X, X) = DX D(aX ± bY) = a2DX + b2DY ± 2abCov(X,Y) 性质6：若X 与 Y 独立， 则Cov(X,Y)= 0 . 例1：设二维随机变量 (X, Y) 的联合分布如右表所示, 求 Cov(X, Y). X Y -1 0 1 -1 1/8 1/8 1/8 0 1/8 0 1/8 1 1/8 1/8 1/8 X -1 0 1 P 3/8 2/8 3/8 Y -1 0 1 P 3/8 2/8 3/8 解: X, Y 的边缘分布： EX = (-1)?3/8 + 0?2/8 + 1?3/8 = 0, Cov(X, Y) = E(XY) - EXEY = 0 但 P(X= 0, Y= 0) ? P(X=0) P(Y=0), X与Y不独立. X 与Y 独立 Cov(X, Y) = 0 EY = 0 = 0 ？ 解：由定理1.3，得 例2：设二维连续型随机变量 (X, Y) 的联合密度为： 　　　　　　　　　　　　 　　 求： Cov(X, Y). 定义3.11：对于二维随机变量 (X, Y), Cov(X, Y)存在, 且 DX 0, DY 0, 则称　　　　　 为 X 与 Y 的相关系数, 记作 ?X,Y 或简记作 ? .即： 3.2 相关系数 Cov(aX,aY) = a2Cov(X,Y) 相关系数的定义 例1：已知 DX = 25 , DY = 36 , ? = 0.4 ,求 D(X+Y) , D(X-Y) , D(2X+3Y). 解: D(X + Y) = DX + DY + 2Cov(X , Y) = 25 + 36 + 2×12 = 85 D(X - Y) = DX + DY - 2Cov(X , Y) = 25 + 36 - 2×12 = 37 D(2X +3Y) = 4DX + 9DY + 12Cov(X , Y) = 100 + 324 + 12×12 = 568 例2：设二维随机变量 (X , Y) 的联合分布如右表所示, 求 ? X ,Y 解：可求出X ,Y的边缘分布： X 1 2 P 0. 3 0.7 Y -1 0 1 P 0.3 0.6 0.1 EX = 1?0.3+2?0.7 = 1.7 , EY = -0.2 Cov(X ,Y) = E(XY) - EX EY = - 0.5 -1.7?(- 0.2) = - 0.16 X Y -1 0 1 1 0 0.2 0.1 2 0.3 0.4 0 相关系数的性质 性质 1：设随即变量 X 与 Y 的相关系数为 ? , 则 |? |? 1. 性质 2：设 ? 是 X 与 Y 的相关系数，则 |? | = 1 的