第三节 协方差及相关系数.ppt

第三节 协方差及相关系数 对于二维r.v.(X ,Y )。我们除了要讨论X 与Y 的均值和方差，还要讨论 X 与 Y 之间的相互关系的数字特征。 小结： 随机变量 X , Y 相互独立 与 相关与否关系： 第四章作业 “第二版”书 2，5，6，7，8，10，12，13，17，23，26，28。 “第三版”书 二，五，六，七，八，十，十二，十三，二十一，二十五，二十八， 二十九。 * 意味着若上不等式成立，说明 X 与Y 存在一定的关系。 回忆在第二节中证明方差的性质 言下之意是说当 X 与Y 不独立时 已看到如果 X 与Y 相互独立，则 所以我们用上式给出刻划两个r.v.间相关程序的一个重要数字特征： 协方差，相关系数. 一、概念 定义3.1 设二维随机变量(X ,Y )分量的均值为 E(X ),E(Y ), 若 E[X-E(X )][Y-E(Y )]存在，则称它为 X，Y 的协方差 为了克服这一缺点，对协方差进行标准化，就引出了相关系数。 注： 1 COV (X ,Y )是能反映X 与Y 之间有某种关系的数字特征。 2 协方差的大小在一定程度上反映了X 和Y 相互关系的程度。 记为 COV(X ,Y )=E[X-E(X )][Y-E(Y )]。 但它是个有量纲的量，其值受 X 与Y 本身度量单位的影响。 定义3.2 若二维随机变量(X ,Y )分量的方差D(X ) ,D(Y ) 都存在， 且 D(X )0,D(Y )0 则称： 为r.v.X 和Y 的相关系数。 定义3.3 什么叫相关？待讨论性质时可知其实际意义。 二、协方差的性质与计算 1.计算 （1）用定义计算 （2）用公式 在第二节 方差性质中已证 { 用定义计算 例2：已知 (X, Y ) 的联合分布率为 0 1 2 1 0.2 0.1 0.3 3 0.1 0.3 0 X Y 求COV (X, Y )。 解：用公式计算COV (X, Y )=E(XY) – E(X )E(Y ) 先求出X, Y 的边缘分布，填入上表中， X~Pi Y~P j 0.6 0.4 0.3 0.4 0.3 1 求得 自己用定义证明 注：若X,Y 独立，则E(XY )=E(X )E(Y ) 注：若X,Y 独立，则D(X Y )=D(X )+D(Y ) Cov(X,a)=0 和协方差 0 = X与Y 独立 性质3 . 3 , 4 ) 2 . 0 , 100 ( ~ ), 2 ( ~ . 3 UV Y X V X U b Y X Y X r p 求 令 相互独立，且 与 设随机变量 例 - = = 三、 相关系数的性质。 若X, Y 的相关系数 存在，则 1. 证明1.由于 存在，故 D(X ),D(Y ) 存在，且都大于零。 协方差用性质2 方差非负性 2. 的充分必要条件是：存在常数 a,b 且 a 0,使得 { 又由方差性质 知，上式成立的充要条件是 即 即 性质2.得证。 参考书上证明方法自己看。 几点说明： (1) 存在常数a, b, a 0, 使P{ Y=aX+b } =1 即 X 和 Y 以概率1线性相关。 当 P{ Y=aX+b } =1 . 这时称 X 与 Y 完全正相关( a 0 ) 当 P{ Y=aX+b } =1 . 这时称 X 与 Y 完全负相关( a 0 ) 完全正相关和完全负相关统称为完全相关。 当 X 与 Y 完全相关时，( X, Y )可能取的值概率为1的集中在一条直线上。 (2)相关系数 是用来刻画 X, Y 线性相关程度的一个数量指标。 当 值越接近1时，X 与 Y 之间越近似有线性关系； 当 值越较小（接近0）时，X 与 Y 之间不能认为有近似的线性关系； 当 时，X 与Y 不相关，X, Y