协方差和相关系数.ppt

§4.3协方差和相关系数

问题对于二维随机变量(X,Y):

已知联合分布

边缘分布

对二维随机变量,除每个随机变量各自

的概率特性外,相互之间可能还有某种联系.

问题:用一个怎样的数去反映这种联系.

一.协方差定义与性质

若X,Y独立,则根据数学期望的性质，有

E(XY)=EXEY

为X,Y的协方差.记为

称

定义

E{(X-EX)(Y-EY)}=E(XY)-EXEY=0

X，Y独立

E{(X-EX)(Y-EY)}=0

数

反映了随机变量X,Y之间的某种关系

Cov(X,Y)=E(XY)-EX•EY.

证明

若(X,Y)为离散型，

若(X,Y)为连续型，

(1)Cov(X,Y)=Cov(Y,X);

(2)Cov(X,X)=D(X);Cov(X,c)=0;

(3)Cov(aX,bY)=abCov(X,Y),其中a,b为常数；

(4)Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z);

协方差性质

(5)

性质1

解

例１:设随机变量XB(12,0.5),YN(0,1),

Cov(X,Y)=-1,求V=4X+3Y+1与W=-2X+4Y

的方差与协方差

定义:当Cov(X,Y)=0时，称X与Y不相关。

“X与Y独立”和“X与Y不相关”有何关系？

性质2“X与Y独立”

“X与Y不相关”,反之未必成立.

例２设(X,Y)在D={(x,y)：x2+y21}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。

X,Y不相关;

E(XY)=EXEY;

性质3X与Y为随机变量,则下列结果等价

Cov(X,Y)=0;

D(X+Y)=DX+DY.

二.相关系数(*)

1.定义若随机变量X，Y的方差和协方差均存在,且DX0,DY0，则

注1：若记

称为X的标准化，易知EX*=0，DX*=1.且

称为X与Y的相关系数.

无量纲

的量

注2

X,Y不相关

X,Y相互独立

X,Y不相关

若(X,Y)~N(1,12,2,22,),

则X,Y相互独立

X,Y不相关

注3

相关系数的性质

定理在以上假设条件下，有

|XY|1；

|XY|=1存在常数a,b使P{Y=aX+b}=1；

X与Y不相关XY=0;

1.设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数

解

D

1

x=y

例4

以上的结果说明了什么？

解1)

2)

例6

:有96.8%的线性相似度，即在[0,1]之间，y=x2与某条直线y=ax+b的图像差别不大。

:根本就没有线性相关性，但有其他相关性。

2

——X的k阶绝对原点矩

3

——X的k阶中心矩

1

——X的k阶原点矩

5

矩

4

——X的方差

——X,Y的k+l阶混合原点矩

01

——X,Y的k+l阶混合中心矩

02

——X,Y的二阶原点矩

03

—X,Y的二阶混合中心矩

X,Y的协方差

04

——X,Y的相关系数

05

例5设(X,Y)~N(1,4;1,4;0.5),Z=X+Y,求XZ

01

解

02

四.协方差矩阵

定义设X1，…,Xn为n个随机变量,记cij=Cov(Xi,Xj),i,j=1,2,…,n.则称由cij组成的矩阵为随机向量(X1，…,Xn)T的协方差矩阵C。即