第七随机变量的数字特征演示文稿.pptVIP

7.3 协方差与相关系数 一、协方差 ① 协方差有计算公式 Cov(X,Y)= E(XY)-E(X)E(Y) (2)用公式求 证 由协方差的定义及数学期望的性质，得 当前第63页\共有104页\编于星期三\8点 7.3 协方差与相关系数 一、协方差 ② 任意两个随机变量X与Y的和的方差 D(X±Y)=D(X)+D(Y)±2Cov(X,Y) (2)用公式求 证 由方差公式及协方差的定义，得 当前第64页\共有104页\编于星期三\8点 例 设（X，Y）有联合分布律 Y X 0 1 ∑ ∑ 0 1 1/4 1/4 1/3 1/6 7/12 5/12 1/2 1/2 1 求 cov(X，Y）. 解 E（X）=0×1/2+1×1/2=1/2 E（Y）=0×7/12+1×5/12=5/12 E（XY）=1×1/6=1/6 cov(X,Y)=E（XY）- E（X）E（Y） =1/6-5/24 =1/24 当前第65页\共有104页\编于星期三\8点 例: 设(X，Y)～N(μ1, μ2 ,σ12, σ22,ρ)，求cov(X,Y) Y～N(μ2,σ22)， 解: X～N(μ1,σ12), E(X)=μ1, D(X)=σ12； E(Y)=μ2, D(X)=σ22； 令 当前第66页\共有104页\编于星期三\8点 7.3 协方差与相关系数 一、协方差 (1) Cov(X,Y)= Cov(Y,X)； (3) Cov(aX+b,cY+d)=acCov(X,Y)， a,b,c,d为常数； (2) Cov(X,X)= D(X)； 性质 证 Cov(X,Y)= E[(X-E(X))(Y-E(Y))] = E[(Y-E(Y)) (X-E(X))] = Cov(Y,X) 证 Cov(aX+b,cY+d)=E[(aX+b-E(aX+b))(cY+d-E(cY+d))] =E{[a(X-E(X))][c(Y-E(Y))]} =acE{[X-E(X)][Y-E(Y)]} =acCov(X,Y) 当前第67页\共有104页\编于星期三\8点 7.3 协方差与相关系数 二、相关系数 定义:设二维随机变量(X,Y)的方差D(X)0,D(Y)0,协方差Cov(X,Y)均存在,则称 为随机变量X与Y的相关系数或标准协方差. 一般地，数学期望为0，方差为1的随机变量的分布称为标准分布，故ρXY又称为标准协方差。 当前第68页\共有104页\编于星期三\8点 7.3 协方差与相关系数 二、相关系数 性质 1. |ρXY|≤1； 3. |ρXY|=1， 称之为X与Y完全相关，其充要条件为,存在常数a,b使得P{Y=aX+b}=1. 2. ρXY=0，称之为X与Y不相关； 意义: |ρXY|=1当且仅当Y跟X几乎有线性关系。这在一定程度上说明了相关系数的概率意义。ρXY并不是刻画X，Y之间的“一般”关系，而只是刻画X，Y之间线性相关的程度。 说明： 假设随机变量X，Y的相关系数ρXY存在，当X与Y相互独时,ρXY=0,即X与Y不相关，反之若X与Y不相关，X与Y却不一定相互独立。 当前第69页\共有104页\编于星期三\8点 7.3 协方差与相关系数 二、相关系数 o X Y o o o X X X Y Y Y 0ρ1 -1ρ0 ρ =1 ρ =-1 相关情况示意图 当前第70页\共有104页\编于星期三\8点 X Y -1 0 1 0 0.07 0.18 0.15 1 0.08 0.32 0.20 解 X与Y的分布律分别为 X -1 0 1 P 0.15 0.5 0.35 Y 0 1 P 0.4 0.6 例：二维随机变量（X,Y）的联合分布律如下表，求 ， 当前第71页\共有104页\编于星期三\8点 解 当前第72页\共有104页\编于星期三\8点 当前第73页\共有104页\编于星期三\8点 例：设(X，Y)服从A上的均匀分布,其中A为由x轴，y轴及直线 x+y/2=1围成的平面三角形区域,求E(XY) x+y/2=1 2 0 1 x y 解： 当前第31页\共有104页\编于星期三\8点 7.1 随机变量的数学期望 四、数学期望的性质 1.若C是常数,则 E(C)=C. 2.设X,Y是两个随机变量,若E(X),E(Y)存在,则对任意的实数a、b, E(aX+bY)存在,且有 E(aX+bY)=aE(X)+bE(Y) 3.设X,Y是互相独立的随机变量,则有 E(XY)=E(X)E(Y) 性质2、3