吴赣昌-概率统计(5版)-第4章第3节.pptVIP

相关系数的性质 注： 相关系数刻画了 和 间“线性相关”的 程度. 的值越接近于1， 与 线性相关程度越高； 的值越接近于0， 与 线性相关程度越弱； 时， 与 有严格线性关系； 时， 与 无线性关系； 相关系数的性质 注： 相关系数刻画了 和 间“线性相关”的 程度. 的值越接近于1， 与 线性相关程度越高； 的值越接近于0， 与 线性相关程度越弱； 时， 与 有严格线性关系； 时， 与 无线性关系； 这里注意： 只说明 与 没有线性 关系. 并不能说明 与 之间没有其它函数关系. 与 从而不能推出 独立. 时， 当 4. 设 称其为用 来 相关系数的性质 4. 设 称其为用 来 相关系数的性质 4. 设 称其为用 来 近似 的均方误差， 则有下列结论： 若 则 使均方误差达到最小. 注： 示 的好坏程度， 我们可用均方误差 来衡量以 近似表 似程度越好， 且知最佳的线性近似为 其余均方误差 能说明 越接近1， 越小. 反之， 越近于0， 就越大， 与 的 线性相关性越小. 值越小表示 与 的近 而 从这个侧面也 完 3. 若 则 在常数 使 而且当 时， 当 时， 证明 必要性 当 时 当且仅当存 由方差的性质可知： 存在常数 使 即 令 则有 令 则有 令 则有 当 时， 当 时， 充分性 若 于是 完 4. 设 称为用 来近似 的均方误差， 则有下列结论： 设 则 使均方误差达到最小. 证 证 证 解之得唯一解： 由 完 例3 设 的分布律为 易知 于是 不相关. 这表示 不存 在线性关系, 但 例3 设 的分布律为 这表示 不存 在线性关系, 但 例3 设 的分布律为 这表示 不存在线性关系, 但 知 不是相互独立的. 事实上, 和 具有关系: 的值完全可由 的值所确定. 完 例4 设 服从 上的均匀分布, 且 判断 与 是否不相关, 是否独立. 解 由于 而 因此 从而 与 不相关. 但由于 与 满足关系: 所以 与 不独立. 完 例5 已知 且 与 的相关系数 设 求 及 解 因 且 所以 例5 已知 且 与 的相关系数 设 求 及 解 因 且 所以 例5 已知 且 与 的相关系数 设 求 及 解 因 且 所以 又因 例5 已知 且 与 的相关系数 设 求 及 解 因 且 所以 又因 * §4.3 协方差与相关系数 引言 对多维随机变量， 随机变量的数学期望和方差只反 映了各自的平均值与偏离程度， 并没能反映随机变 量之间的关系. 本节将要讨论的协方差是反映随机 变量之间依赖关系的一个数字特征. 在证明方差的性质时， 已经知道， 当 与 相互独 立时， 有 反之则说明， 当 时， 与 一定不相互独立， 这说明量 引言 反之则说明， 当 时， 与 一定不相互独立， 这说明量 引言 反之则说明， 当 时， 与 一定不相互独立， 这说明量 在一定程度上反映了随机变量 与 之间的关系. 完 协方差的定义 定义 设 为二维随机向量， 若 存在， 则称其为随机变量 和 的协方差， 记为 即 按定义， 其概率分布为 则 若 为连续型随机向量， 其概率密度为 为离型随机向量， 若 协方差的定义 若 为连续型随机向量， 其概率密度为 协方差的定义 若 为连续型随机向量， 其概率密度为 则 此外， 利用数学期望的性质， 易将协方差的计算 化简. 特别地， 有 与 独立时， 当 完 协方差的性质 1. 协方差的基本性质 (1) (2) (3) 常数； (4) (5) 其中 是 为任意常数； (6) 当 与 相互独立， 2. 随机变量和的方差与协方差的关系 则 协方差的性质 2. 随机变量和的方差与协方差的关系 协方差的性质 2. 随机变量和的方差与协方差的关系 特别地， 若 与 相互独立， 注： ① 上述结果可推广至 维情形： 则 ② 若 两两独立， 则有 协方差的性质 ② 若 两两独立， 则有 协方差的性质 ② 若 两两独立， 则有 ③ 可以证明： 若 的方差存在， 则协方差 一定存在且满足下列不等式： 完 例1 已知离散型随机向量 的概率分布如右表, 求 解 容易求得 的概率分 的概率分布为 布为 例1 已知离散型随机向量 的概率分布如右表, 求 解 例1 已知离散型随机向量 的概率分布如右表, 求 解 计算得 于是有 于是 完 例2 设连续型随机变量 的密度函数为 求 解 由 的密度函数可求得其边缘密度函 数分别为: 例2 设连续型随机变量 的密度函数为 解 求 例2 设连续型随机变量 的密度函数为 解 于是 求 例2 设连续型随机变量 的密度函数为 解 于是 求 例2 设连续型随机变量 的密度函数为 解 于是 从而 求 完 相关系数的定义 协方差是对两个随机变量的协同变化的度量， 其大小 在一定程度上反映了 和 相互间的关系