概率论与数理统(协方差及相关系数、矩).ppt

4.3 协方差及相关系数、矩 对于二维随机变量(X，Y)，除了讨论X与Y的数学期望和方差外，还需讨论描述X与Y之间相互关系的数字特征：协方差和相关系数． 4.3.1 协方差 由4.2.2中方差的性质(3)知,若随机变量X与Y相互独立,则D(X + Y) = D(X) + D(Y),也就是说,当随机变量X与Y相互独立时,有E{[X – E(X)][Y – E(Y)]}= 0成立,这意味着当E{[X – E(X)][Y – E(Y)]}?0时,X与Y不相互独立,由此可见这个量的重要性． 4.3.1 协方差 定义4.4 设有二维随机变量(X，Y)，如果E{[X – E(X)][Y – E(Y)]}存在，则称其为随机变量X与Y的协方差．记为Cov(X，Y)，即 Cov(X，Y) = E{[X – E(X)][Y – E(Y)]} 这样，上节中方差的性质(3)可改写为 D(X+Y) = D(X) + D(Y) + 2Cov(X，Y) 由(4.9)式及(4.10)式知协方差的表达式可以表示为 Cov(X，Y) = E(XY) – E(X)E(Y) 常利用这个式子来计算协方差Cov(X，Y). 4.3.1 协方差 由协方差定义，不难知道协方差还具有以下几条性质： (1) (2) (3) ，a，b为常数； (4) (5) 当随机变量X与Y相互独立时，有 Cov(X，Y) = 0． 4.3.1 协方差 【例4.22】设随机变量(X，Y)具有概率密度 其中区域G由曲线与围成，如图4-4所示， 求Cov(X，Y)及D(X + Y)． 解： 4.3.1 协方差 §4.3 协方差及相关系数、矩 4.3.2 相关系数 定义4.5 称 为随机变量X与Y的相关系数． 相关系数?XY是一个无量纲的量．?XY常简记为?． 【例4.23】在例4-22中，求相关系数?XY． 解：因为 所以 4.3.2 相关系数 下面不加证明地给出相关系数的两条性质： (1) |?XY | ? 1； (2) |?XY | = 1的充要条件是，存在常数a，b，使 P{Y = aX + b} = 1． 定义4.6 若?XY = 0，称X与Y不相关．0 ?XY ? 1，称X与Y正相关，– 1 ? ?XY 0，称X与Y负相关． 事实上,相关系数?XY是X与Y线性关系强弱的一个度量,X与Y的线性关系程度随着|?XY|的减小而减弱, 当|?XY| = 1时X与Y的线性关系最强， 当?XY = 0时，意味X与Y的不存在线性关系，即X与Y不相关. 4.3.2 相关系数 由协方差的性质 (5) 当随机变量X与Y相互独立时，有Cov(X，Y) = 0． 易知 定理4.3 若X与Y相互独立，则?XY = 0，即X与Y不相关，反之不真． 这意味着，X与Y不相关仅指X与Y之间不存在线性关系，并不能说明X与Y不具有其他关系． 4.3.2 相关系数 【例4.24】设随机变量Z服从(–?，?)上的均匀分布，又X = sinZ，Y = cosZ，试求相关系数?XY． 解：由于 因而Cov(X，Y) = 0，?XY = 0． 相关系数?XY = 0，说明随机变量X与Y不相关， 但是，由于 ，所以X与Y不独立． 4.3.3 矩 矩的概念在后面的数理统计部分有重要应用． 定义4.7 设X和Y是随机变量，若E(Xk)，k = 1，2，…存在，称其为X的k阶原点矩，简称k阶矩； 若 存在，称其为X的k阶中心矩； 若 存在，称其为X和Y的k + l阶混合矩； 若 存在，称它为X和Y的k + l阶混合中心矩． 4.3.3 矩 (1)