第三节 协方差和相关系数..pptVIP

下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 概率论与数理统计（湘潭大学） 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 第三节 协方差和相关系数 一、协方差 二、相关系数 * 前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要的，就是本节要讨论的 协方差和相关系数 * 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 一、协方差 2. 简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b是常数 1. 定义1 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} * 可见，若X与Y独立， 则 Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 Cov(X,Y)=E(XY) -E(X)E(Y) * 例1 设二维随机变量 的联合概率分布如下： 求协方差 解： 由上表可知 的边缘概率分布为： * 所以 又 于是 * 注： ① 由 不能推出 与 独立. 上题中, 但是 与 不独立. ② 若 则 与 不独立， 即它们之间具有某种联系. * 若X1,X2, …,Xn两两独立,，上式化为 D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y) 4. 随机变量和的方差与协方差的关系 * 协方差不适宜用作描述随机变量之间的相关性. 二、相关系数 如果随机变量X 与Y 中的任一个与其数学期望 的离差很小，则无论随机变量 X与Y 之间多么 密切的联系，它们的协方差总是很接近于零. 2. 协方差是有量纲的量.其量纲等于X及Y的 量纲的乘积. * 为了得到描述随机变量之间的相关性的与量纲无关 的数字特征. 将 标准化： 定义 与 的协方差叫做 与 的相关系数. 则 * 即 定义2 若 称 为 与 的相关系数, 记为 事实上 相关系数的性质 * 性质1 任意两个随机变量的相关系数 的绝对值 不大于 即 证： * 又因为， 所以得到 因为方差不可能为负数， 由此得 所以有 类似可得 * 性质2 当且仅当随机变量 与 之间存在线性关系 时， 相关系数的绝对值等于 并且 证： 因为 所以 于是 * 从而， 所以 当 时， 当 时， 由性质1的证明过程知 若 则 即 以等于 的概率取唯一值——它的数学期望： * 所以， 当 时， 即 其中 * 说明： 相关系数刻画了 与 之间线性相关的程度. 当 时， 当 越接近 时， 线性相关关系越明显； 当 时,则 与 之间不存在线性相关关系. 表明 与 有近似的线性相关关系， 当 时， 当 时,则 与 之间有严格的线性关系. 当 越接近 时， 线性相关关系越弱； * 性质3 若随机变量 与 独立， 注意： 反之不成立. 则 定义3 若相关系数 则称 与 不相关, 即 与 无线性关系. 与 不相关, 与 相互独立 与 不相关 与 相互独立， 若 服从二维正态分布，则 与 相互独立 与 不相关,即 * 例1.设二维随机变量 的联合概率分布如下 -1 1 -1 1 0.25 0.5 0 0.25 求 解 的概率分布分别为 -1 1 0.25 0.75 则 -1 1 0.75 0.25 * 又 的概率分布为 -1 1 0.5 0.5 故 从而有 * * 例3. 设 服从 上的均匀分布， 是常数, 求 讨论 线性相关性. 解 * 当 时, 此时 与 有线性关系; 但 与 有严格的函数关系： 所以 与 不独立. 与 时, 当 或 不相关. 此时 当 时, 与 有线性关系; 此时 * 例4