协方差和相关系数的探讨.doc

协方差和相关系数的探讨 摘要：协方差和相关系数作为两个随机变量间相互关系的两种度量方式，是两个重要的数字特征。然而在大多数教材中[1][2][3][4] ，要么直接引入，要么稍加说明就引入，这使得学生不可能充分理解、掌握，只能靠死记硬背。本文从直观入手，由浅到深地介绍协方差、相关系数。 关键词: 协方差，相关系数，线性关系，直观意义 本人在从教的几年中，给学生上了几轮的概率统计课（所用教材有[1，2，3，4]）后，发现协方差与相关系数的引入和介绍学生不怎么好理解。这主要是有的教材未加说明就直接引入[2][3]，有的教材也只是稍加说明而已[1][4]，如只解释相关系数的直观意义，而对协方差的直观意义只字不提。其中协方差的引入大多是通过随机变量的独立性来引入的。即当X与Y独立时，有E[(X-EX)(Y-EY)] =0，当E[(X-EX)(Y-EY)]≠0时，则认为X与Y不独立，从而它们之间存在着某种关系，故可用E[(X-EX)(Y-EY)]来表示它们之间的这种关系。而这种关系到底是怎样的一种关系呢？或未加说明，或直接给出。下面主要探讨这种关系，主要参考[5][6]。 一、协方差的直观意义 XY首先必须假设X与Y都是定义在同一样本空间上的随机变量，否则研究它们之间的相互关系就没有意义，从而可将X和Y组成二元有序组(X,Y)，每做一次实验后，它的取值就是平面上的一个点，再将实验独立重复n次，即可得到平面上的n个点，就不妨设这n个点的坐标为(x1,y1)，(x2,y2)，…，(xn,yn)，随着实验次数的增多，这n个点就会出现某种的统计规律性（由大数定律可得）。如果将这n个点在平面上描出来，就可以得到一个“散点图”，从散点图上，就可大致看出X与Y 之间的关系。而 X Y XXYXXY XX YX X Y (a)X与Y正线性相关 (b) X与Y负线性相关 (c) X与Y线性无关 图1 散点图中形状的三种 由数学期望的定义可知，EX和EY分别表示X和Y取值的平均值。令，此坐标变换相当于将X，Y坐标变换到X’，Y’坐标，坐标中心变成(EX,EY)。图1中三个图形新的坐标如图2。 XYX’Y’XY X Y X’ Y’ X Y X’ Y’ X Y Y’ X’ (a)X’与Y’正线性相关 (b) X’与Y’负线性相关 (c) X’与Y’线性无关 图2 新坐标轴在原坐标轴中的位置 从图2中可看出，通过坐标变换将原坐标变换成新的坐标，而新坐标仍然保持着线性性，且有以下三个结论： 由图2(a)知，原坐标中的点经变换后，大多都落在新坐标的一、三象限，从而(X-EX)(Y-EY)的取值大多为正，故其平均取值E[(X-EX)(Y-EY)]也为正，因此，当X与Y有较强的正线性关系时，E[(X-EX)(Y-EY)]的取值也同为正且较大，反之亦成立； 由图2(b)知，原坐标中的点经变换后，大多都落在新坐标的二、四象限，从而(X-EX)(Y-EY)的取值大多为负，故其平均取值E[(X-EX)(Y-EY)]也为负，因此，当X与Y有较强的负线性关系时，E[(X-EX)(Y-EY)]的取值也同为负且其绝对值较大，反之亦成立； 由图2(c)知，原坐标中的点经变换后，比较均匀地落在新坐标的一、二、三、四象限，从而(X-EX)(Y-EY)的取值可正可负，故其平均取值E[(X-EX)(Y-EY)]比较接近于0，因此，当X与Y有线性无关系时，E[(X-EX)(Y-EY)]的取值接近于0，反之亦成立。 由此可见，E[(X-EX)(Y-EY)]确实可以度量X与Y之间的线性关系，当E[(X-EX)(Y-EY)]为正值时，X与Y是正线性相关的，且E[(X-EX)(Y-EY)]的值越大时，其线性相关性就越强；当E[(X-EX)(Y-EY)]的取值为负时，X与Y是负线性相关的，且|E[(X-EX)(Y-EY)]|的值越大时，其线性相关性也就越强；当E[(X-EX)(Y-EY)]的取值接近于0时，X与Y就表现出较弱的线性相关性，且|E[(X-EX)(Y-EY)]|的值越接近于0时，其线性相关性也就越弱。而E[(X-EX)(Y-EY)]正是所定义的协方差，记为Cov(X,Y)，即Cov(X,Y)= E[(X-EX)(Y-EY)]。 需要指出的是在这里所研究的只是X与Y的关系中的一种，即最简单也是最常见的线性关系，而X与Y的关系是多种多样的。 二、相关系数的意义 上面从直观上给出了协方差的意义，虽然可以从它取值的大小来判别两个变量X与Y相关性的强弱，但是它存在一个明显的缺点，那就是它取值的大小与单位有关，当变量用不同的单位时，就会得到