协方差及有关系数.pptVIP

第三节 协方差及相关系数 例：将一枚密度均匀硬币抛n次，分别以X和Y记作正反面出现的次数，则X和Y的相关系数为 A：0 B：1 C：-1 D：1或-1 * 一、协方差与相关系数的概念及性质 二、相关系数的意义 三、小结 前面我们学习了随机变量的数学期望和方差，对于多维随机变量，除了其数学期望和方差外，我们还要研究反映各分量之间关系的数字特征，其中最重要的，就是现在要讨论的 协方差和相关系数 1. 问题的提出 一、协方差与相关系数的概念及性质 在讨论这个问题之前，我们先看一个例子。在研究子女与父母的相象程度时，有一项是关于父亲的身高和其成年儿子身高的关系。 这里有两个变量，一个是父亲的身高，一个是成年儿子身高.为了研究二者关系，英国统计学家皮尔逊收集了1078个父亲及其成年儿子身高的数据, 画出了一张散点图。 儿子的身高 父亲的身高 问：父亲及其成年儿子身高存在怎样的关系呢？ father son 类似的问题有： 1、吸烟和患肺癌有什么关系？ 2、受教育程度和失业有什么关系？ 3、高考入学分数和大学学习成绩有什么关系？ …… ??? 协方差 定义 对两个随机向量(X,Y),若E(X-EX)(Y-EY)存在， 则称 cov(X,Y)=E(X-EX)(Y-EY) 为X和Y的协方差。 特别, 若X=Y,则 cov(X,X)=E(X-EX)2=D(X) 因此,方差是协方差的特例, 协方差刻画两个随机变量之间的“某种”关系. 可以证明 若(X,Y)服从二维正态分布,即 则 2. 定义 可见，若X与Y独立，则 4. 计算协方差的一个简单公式 Cov(X,Y)= 0 . Cov(X,Y)=E(XY)-E(X)E(Y) D(X+Y)= D(X)+D(Y)+2Cov(X,Y) 3 随机变量和的方差与协方差的关系 (5) Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) (3) Cov(X,Y)=Cov(Y,X) (对称性) 5.简单性质 (4) Cov(aX,bY)=abCov(X,Y) 其中 a、b是常数 下面请大家利用上面所学的知识进行证明。 (1) Cov(X,X)=D(X) (2) Cov(X,c)=0 (c为常数) 协方差的数值在一定程度上反映了X与Y相互间的联系,但它受X与Y本身数值大小的影响.如令X*=kX,Y*=kY,这时X*与Y*间的相互联系和X与Y的相互联系应该是一样的,但是 Cov(X*,Y*)=k2Cov(X,Y) 为了克服这一缺点,在计算X与Y的协方差之前,先对X与Y进行标准化: 再来计算X*和Y*的协方差，这样就引进了相关系数的概念. 为随机变量X和Y的相关系数 (correlation coefficient). 1.定义:若D(X)0, D(Y)0,且Cov(X,Y)存在时，称 在不致引起混淆时，记 为 . 二、相关系数 2. 相关系数的性质 注意 |ρXY| 的大小反映了X,Y之间线性关系的密切程度: ρXY=0时, X,Y之间无线性关系; |ρXY|=1时,X,Y之间具有线性关系. ρXY0,X,Y正相关 ρXY0,X,Y负相关 ρXY ≠0,X,Y相关 ρXY=0,X,Y不相关 (ρXY=1,X,Y完全正相关) (ρXY=-1,X,Y完全负相关) x y 0 完全正相关 Y=aX+b a0 x y 0 完全负相关 Y=aX+b a0 x y 0 完全不相关 x y 0 正相关 x y 0 负相关 解：因为X＋Y＝n，即P{Y=-X+n}=1， 所以X与Y完全负相关，故 从而选C。 注：若 a0时,ρXY=1 a0时,ρXY=-1 则 例2 (X,Y)的联合分布为: 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 求相关系数ρXY,并判断X, Y是否相关,是否独立. 解： X -1 0 1 Y -1 0 1 1/8 1/8 1/8 3/8 1/8 0 1/8 2/8 1/8 1/8 1/8 3/8 3/8 2/8 3/8 1 XY -1 0 1 P 2/8 4/8