《概率论与数理统计》概率论4-3.pptVIP

§3 协方差及相关系数 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的 协方差和相关系数 设X和Y为两随机变量，若E{[ X-E(X)][Y-E(Y) ]}存在，则称之为随机变量X和Y的协方差,记为Cov(X,Y) ，即 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X), Cov(X,X)=D(X). 一、协方差 2. 性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b 是常数 Cov(X,Y)=E[ X-E(X)][Y-E(Y) ] 1.定义 Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X 与 Y 独立， Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y) 4. 随机变量和的方差与协方差的关系 协方差的大小在一定程度上反映了X和Y相互间的关系，但它还受X与Y本身度量单位的影响. 例如： Cov(kX, kY)=k2Cov(X,Y) 为了克服这一缺点，对协方差进行标准化，这就引入了相关系数 . 二、相关系数 为随机变量 X 和 Y 的相关系数 . 定义: 设D(X)0, D(Y)0, 称 相关系数的性质： 存在常数 a,b, 使 P{Y= a + b X}=1， 即 X 和 Y 以概率 1 线性相关. 说 明 X与Y之间没有线性关系并不表示它们之间没有关系。 当|ρXY |较大时, 通常说X,Y线性相关的程度较好; 当|ρXY |较小时, 说X,Y线性相关的程度较差. 对随机变量X，Y，有如下事实等价： 1、Cov(X,Y)=0; 2、X与Y不相关； 3、E(XY)=E(X)E(Y); 4、D(X+Y)=D(X)+D(Y). 注：独立性和不相关性有联系，但又不同，独立性比不相关性更强。 性质：如果随机变量X与Y互相独立，则X与Y不相关。（反之不成立） 但对下述情形，独立与不相关等价 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 求： 例：若X,Y的联合概率密度为 试验证：X,Y不相关，但X,Y不是相互独立的。