概率论与数理统计43协方差及相关系数.pptVIP

刻划两个随机变量间线性相关程度的数字特征 §3 协方差与相关系数 一、协方差 E{[ X-E(X)][Y-E(Y) ]} 1.定义 设有两个随机变量两个X和Y， 若E{[ X-E(X)][Y-E(Y) ]}存在， 则称E{[ X-E(X)][Y-E(Y) ]}r.v X与Y 的协方差， 记为Cov(X,Y), 即 Cov(X,Y)= +E(X)E(Y) =E(XY)-E(X)E(Y) =E(XY) -E(X)E(Y) -E(Y)E(X) Cov(X,Y)=E(XY) -E(X)E(Y) Cov(X,Y)= 0 . 若X与Y独立， 例1 设随机变量X,Y的联合分布律为 求Cov(X,Y). X Y -1 0 1 -1 0 1 P {X =i } 1 P {Y = j } X,Y的边缘分布律为 解 E(X)=0 E(Y)=0 X Y -1 0 1 -1 0 1 E(XY)= Cov(X,Y) =E(XY) -E(X)E(Y) E(X)=0 E(Y)=0 X Y -1 0 1 -1 0 1 例2 设随机变量X,Y的联合概率密度为 求 Cov(X,Y) E(X) 解 E(XY)= E(Y) E(X) Cov(X,Y) =E(XY) -E(X)E(Y) Cov(X1,Y) + Cov(X2,Y) (2) Cov(X,Y)= Cov(Y,X) 2.协方差的性质 (3) Cov(aX,bY) = ab Cov(X,Y) ⑴ Cov(X,X)= D(X) a,b是常数 (4) Cov(c,X)= 0 c是常数 (5) Cov(X1+X2,Y)= (6) D(X+Y)= 例如： Cov(kX, kY)= 为了克服这一缺点， 协方差的大小在一定程度上反映了X和Y 相互间的关系， 但它还受X与Y本身度量单位 的影响, k2Cov(X,Y) 这就引入了相关系数 . 对协方差进行标准化， 二、相关系数 为随机变量X和Y的相关系数 . 在不致引起混淆时，记 为 . 定义: 设( X, Y)是一个二维随机变量， 且D(X)0, D(Y)0, 则称 记为 即 Cov(X,Y)=0 例3 设随机变量X,Y的联合分布律为 X Y -1 0 1 -1 0 1 求 =0 解 例4 设随机变量X,Y的联合概率密度为 求 E(Y) E(X) D(X) D(Y) 解 例4 设随机变量X,Y的联合概率密度为 求 Cov(X,Y) 相关系数的性质： 由方差的性质和协方差的定义知, 对任意实数a,有 D(Y-aX) 令 ，则上式为 D(Y- aX)= 证: 0≤ = D(Y) +a2D(X)-2a Cov(X,Y ) D(Y-aX) 相关系数的性质： 由方差的性质和协方差的定义知, 对任意实数a,有 证: 0≤ 即 2. X和Y独立时， =0，但其逆不真. 由于当X和Y独立时， 故 = 0 但由 并不一定能推出X和Y 独立. Cov(X,Y)= 0. X和Y独立 即 若(X,Y)服从二维正态分布，则 则称X和Y不相关 . X和Y独立 X和Y独立 X和Y不相关 X和Y不相关 X与Y独立 X与Y不相关 说明：独立与不相关不等价 事实上，X的密度函数 例 设X服从(-1/2, 1/2)内的均匀分布 , 而Y=cos X, 求 即X和Y不相关 . 但Y与X有严格的函数关系. X与Y不相关并不表示它们之间没有关系。 四、小结 这一节我们介绍了协方差、相关系数、 相关系数是刻划两个变量间线性相关程度的一个重要的数字特征. 注意独立与不相关并不是等价的. 当(X,Y) 服从二维正态分布时，有 X 与 Y 独立 X 与 Y 不相关 *