《第43节__随机变量的协方差及其性质》公开课件（设计）.pptVIP

( ) h x ， Cov ( ) Y X Y X - - = 2 2 Cov ， ( ) X X ， Cov 2 = ( ) X Y ， Cov 4 - ( ) Y X ， Cov - ( ) Y Y ， Cov 2 + ( ) DY Y X DX 2 Cov 5 2 + - = ， 5 = 所以， ( ) h x h x r xh D D ， Cov = 4 13 5 = 26 13 5 = 例 .随机向量(X,Y)~f(x,y)= 求X,Y的相关系数ρXY. 解:应用定理3.2: =7/6 =5/3 同理由对称性: =7/6， EY2=5/3 所以, DX=11/36, DY=11/36 =4/3 例 (X,Y)的联合概率分布为: X -1 0 1 Y -1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求X,Y的相关系数ρXY. 解:应用定理1: 故 =0 {或者 =0} 同理 =3/4 {或者 =3/4} EY=EX=0 EY2=EX2=3/4 另一方面 =1/8-1/8-1/8+1/8 =0 所以 Cov(X,Y)=EXY-EXEY=0 亦即 ρXY=0 例3 设 证明X 与 Y 相互独立的充分必要条件是 例1 中已知 X、Y 的协方差为： 从而相关系数为： 证明:必要性显然；下面证明充分性 而 时， X 与 Y 是相互独立的 , 也是不相关的。 由此可知，相互独立的随机变量一定不相关， 但反过来不一定成立。而对正态分布而言， 独立性与不相关性是一致的。 不相关的等价条件 1）X，Y不相关。 2）X，Y的协方差为零。 小结： 1）协方差的定义和性质； 2）相关系数的定义性质； 3）不相关的定义及等价条件； 4）独立性与不相关性的关系； 5）二维正态分布的不相关性与独立性等价。 解:方法1 例: 定义1.设(X1,X2,…,X n)的各分量方差存在,称n阶方阵V为协差矩阵, 其中Vij=cov(Xi,Yj),i,j=1,2,…, 性质 (1)Vii=DXi, Vij=Vji, 即V为对称矩阵,进一步,V为非负定阵; (2)对二维 随机向量(X,Y)有: 事实上,Vii=cov(Xi,Xi)=E(Xi-EXi) (Xi-EXi) =E (Xi-EXi) 2=DX Vij=cov(Xi,Xj)= Vji=cov(Xj,Xi), 所以, 三.随机向量的协方差矩阵与相关系数矩阵 定义2. 设(X1,X2,…,X n)的任两个分量Xi和Xj的相关系数 ρij存在,(i,j=1,2,…),称n阶方阵R为n维随机向量的 相关矩阵,记为 其中ρij为分量Xi和Xj的相关系数. 显然, 所以 性质 (1)相关矩阵R主对角线元素均为1,且R为对称的非负定矩阵; (2)对二维随机向量(X,Y)有: 例.设X~N(0,1),Y~N(0,1),D(X-Y)=0,求(X,Y)的 协差阵V. 解:由题意得:DX=DY=1, D(X-Y)=DX+DY-2cov(X,Y) =2-2cov(X,Y) =0 故 Cov(X,Y)=1 所以 例 .设X,Y的协差阵为 求相关阵R. 解:由题意得:DX=9,DY=16,cov(X,Y)=4, 所以, 若 存在，称之为 X 的 k 阶中心矩。 若 存在，称之为 X 和 Y 的k+l阶混合中心矩。 所以 EX 是一阶原点矩， DX 是二阶中心矩， 协方差COV (X，Y)是二阶混合中心矩。 四、矩的定义 例1 * 前两节我们介绍了随机变量的两个常见的 数字特征，即数学期望与方差，它们分别反映 了随机变量取值的平均水平和随机变量取值相 对于均值的分散程度，但有时还要考虑多个随 机变量之间的取值关系，为此我们引入协方差 与相关系数的概念。 §4.3 随机变量的协方差和相关系数 一、协 方 差 定义 设（X，Y）是二维随机变量，如果 都存在且 也存在，则称之为 X 与 Y 的协方差，记为 cov（X，Y）。 (covarianc