第三节协方差及相关系数文稿演示文稿.pptVIP

第三节协方差及相关系数文稿演示文稿本文档共20页；当前第1页；编辑于星期六\10点7分（优选）第三节协方差及相关系数演示文稿本文档共20页；当前第2页；编辑于星期六\10点7分量E{[X-E(X)][Y-E(Y)]}称为随机变量X和Y的协方差,记为Cov(X,Y)，即⑶Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)⑴Cov(X,Y)=Cov(Y,X)一、协方差2.简单性质⑵Cov(aX,bY)=abCov(X,Y)a,b是常数Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}1.定义本文档共20页；当前第3页；编辑于星期六\10点7分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)即本文档共20页；当前第4页；编辑于星期六\10点7分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特别地本文档共20页；当前第5页；编辑于星期六\10点7分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.本文档共20页；当前第6页；编辑于星期六\10点7分二、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,称在不致引起混淆时，记为.本文档共20页；当前第7页；编辑于星期六\10点7分考虑以X的线性函数a+bX来近似表示Y，以均方误差e=E{[Y-(a+bX)]2}来衡量以a+bX近似表示Y的好坏程度:e值越小表示a+bX与Y的近似程度越好.用微积分中求极值的方法，求出使e达到最小时的a,b相关系数刻划了X和Y间“线性相关”的紧密程度的量.本文档共20页；当前第8页；编辑于星期六\10点7分=E(Y2)+b2E(X2)+a2-2bE(XY)+2abE(X)-2aE(Y)e=E{[Y-(a+bX)]2}解得这样求出的最佳逼近为L(X)=a0+b0X本文档共20页；当前第9页；编辑于星期六\10点7分这样求出的最佳逼近为L(X)=a0+b0X这一逼近的剩余是若0||1,||的值越接近于1,Y与X的线性相关程度越高;||的值越接近于0,Y与X的线性相关程度越弱.E[(Y-L(X))2]=D(Y)(1-)本文档共20页；当前第10页；编辑于星期六\10点7分方差的非负性本文档共20页；当前第11页；编辑于星期六\10点7分Y与X有严格线性关系;若可见,本文档共20页；当前第12页；编辑于星期六\10点7分，Cov(X,|Y)=0，事实上，X的密度函数例1设X服从(-1/2,1/2)内的均匀分布,而Y=cosX,不难求得3若=0，Y与X无线性关系;X与Y之间没有线性关系并不表示它们之间没有关系。即X和Y不相关.但Y与X有严格的函数关系.本文档共20页；当前第13页；编辑于星期六\10点7分3不相关与独立性若X与Y独立，则X与Y不相关，但由X与Y不相关，不一定能推出X与Y独立.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不相关本文档共20页；当前第14页；编辑于星期六\10点7分