协方差相系数和矩.pptVIP

§4.3 协方差、相关系数和矩 一、协方差和相关系数的概念 对于二维随机变量 ，除了关心它的各个分 量的数学期望和方差外，还需要知道这两个分量之 间的相互关系，这种关系无法从各个分量的期望和 方差来说明，这就需要引进描述这两个分量之间相 互关系的数字特征——协方差及相关系数，但如何 来刻画这种关系呢？ 由(4-17)知,若 相互独立,则 ; 若 ,则表示X与Y不独立,X与Y之间 存在着一定的关系.据此,我们引入下列定义 定义4.6 设 是二维随机变量， 则称 为X与Y的协方差（Covariance），记为 或 ， 即 （4—20） 若 且 ，则称 （4—21） 为X与Y的相关系数（Correlation Coefficient）． 是 有量纲的量，而 则是无量纲的量． 协方差常用下列公式计算 事实上， 定理4.1 (柯西—许瓦兹（Cauchy－Schwarz）不等式) （X，Y）为二维随机变量，若 和 存在，则 （4—28） 证明 因为 , 所以 存在. 另一方面,对 任意λ ，二次三项式 , （4—29） 可见上述关于λ的二次三项式不可能有两个不同的实根, 因而判别式 即有 □ 定理4.2 设（X，Y）是二维随机变量，若X与Y的相关系 数 存在，则 （1） （4—30） （2） 的充要条件是存在常数 使 ． 证明 （1） 由定理4.1知 , 因此 , 即 ，所以 ． （2）我们略去结论（2）的充分性证明，这里只给出必要 性的证明： 将二次三项式（4—29）中的X和Y分别换为 和 则对任意λ ，有 ， 即