ch4-3 协方差与相关系数.pptVIP

矩的概念 注: 由定义可见： (1) 的数学期望 是 的一阶原点矩； (2) 的方差 是 的二阶中心矩； (3) 协方差 是 与 的二阶混合中 心矩. 协方差矩阵 将二维随机变量 的四个二阶中心矩 排成矩阵的形式： 对称矩阵 称此矩阵为 的协方差矩阵. 协方差矩阵 类似定义 维随机变量 的协方差 矩阵. 若 都存在， 为 的协方差矩阵. 称 小结 Summary 1.随机变量X的协方差 2.协方差的性质(4个性质) (离散型,连续型,一般型) 常用公式 3.相关系数 4.相关系数的重要结论(3个结论) * * * * * * * * Probability and Statistics– Chapter4 Numerical Characteristics of Random Variable Algebra– Chapter 1 Random Events and Probability Tan Kah Kee College * Probability and Statistics– Chapter4 Numerical Characteristics of Random Variable §4.1 数学期望 §4.2 方差 §4.3 协方差与相关系数 §4.4 大数定理与中心极限定理 教学内容 Chapter 4 Numerical Characteristics of Random Variable 第四章 随机变量的数字特征 Content 引 言 对多维随机变量， 随机变量的数学期望和方差只反 映了自身的平均值与偏离程度， 没反映不同随机变 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 能反映两者间的关系. 一.协方差 Covariance 即 2)当 时,称X与Y不线性相关(不相关) 定义 设(X，Y)是二维随机变量, 存在， 如果 则称该数值为X与Y 的协方差 记为 或 Covariance 注 Uncorrelated 1) 1) 离散型 2) 连续型 3) 一般型 计算协方差的常用公式： Common Formula of Calculating Covariance 定义: 证 常用 注 1) 2) cov (X,Y)= 0 X与 Y 相互独立 X与 Y 相互独立 X与 Y 相互独立 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 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 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 计算得 于是有 于是 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 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 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， 但它还受 与 本身度量单位的影响. 例如， 统计关系与 与 之间的 统计关系应该是一样的， 但其协方差却扩大了 倍， 即 与 之间的 为避免随便机变量本身度量单位不同而影响它们相互 关系的度量， 可将每个随机变量标准化， 即取 相关系数的定义 并将 作为 与 之间相互关系的一种度 量， 而 定义 设 为二维随机向量， 称 为随机变量 和 的相关系数， 有时也记 为 特别地， 当 时， 称 与 不相关. 1、不相关表示两个随机变量无线性关系， 可能有其它关系 2、独立指二者无任何关系 3、 相关与独立的关系 Relationship Between Correlation and Independence X与 Y 相互独立 X与 Y 不相关 X与Y不相关: X与Y不相互独立: 注 存在不为零常数k和常数b使得 注 1)若 称 X与Y 正相关(k 0) 2)若 称X与Y 负相关(k 0) 3)若 称X与Y 不相关 Positive C