概率论与数理统计第四章_第13讲(22页).ppt
已下载:0 次 是否免费: 否 上传时间:2016-12-03
对于二维随机向量(X,Y), 除了其分量X和Y 的期望与方差之外, 还有一些数字特征, 用以刻画X与Y之间的相关程度,其中最主要的就是下面要讨论的协方差和相关系数。
定义1:若 E{[ X-E(X)][Y-E(Y)]} 存在,则称其为X 与Y 的协方差,记为Cov(X,Y), 即
4.3.1 协方差
Cov(X, Y) = E{[ X-E(X)][Y-E(Y) ]}. (1)
(3). Cov(X1+X2, Y)= Cov(X1, Y) + Cov(X2, Y) ;
(1). Cov(X, Y) = Cov(Y, X);
协方差性质
(2). 设 a, b, c, d 是常数,则
Cov( aX+b, cY+d ) = ac Cov(X, Y) ;
(4). Cov(X, Y) =E(XY)-[E(X)][E(Y)] ,
(5). Var(X+Y)=Var(X)+Var(Y)+2Cov(X, Y) .
当 X 和 Y 相互独立时,Cov(X, Y)=0;
若 X1, X2, …, Xn 两两独立,则
性质(5)可推广到 n 个随机变量的情形:
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 和Y 本身度量单位的影响。 例如:
Cov(aX, bY) = ab Cov(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 。
4.3.2 相关系数
为随机变量X 和Y 的相关系数 。
定义2: 设Var(X) > 0, Var(Y) > 0, 则称
在不致引起混淆时,记 为 。
相关系数性质
证:由方差与协方差关系,
对任意实数b, 有
0≤Var(Y-bX)=b2Var(X)+Var(Y)-2b Cov(X,Y ),
Var(Y-bX) =
由方差Var(Y)>0, 知 1-ρ 2≥ 0, 所以 | ρ |≤1。
由于当 X 和 Y 独立时,Cov(X, Y)= 0 .
请看下例:
(2). X 和Y 独立时, ρ=0,但其逆不真;
但ρ=0 并不一定能推出 X 和 Y 独立。
所以,
证明:
所以,Cov(X, Y)= E(XY)-E(X) E(Y) = 0 .
同样,得 E(Y)=0,
此外,Var(X) > 0, Var(Y) > 0 .
但是,在例3.6.2已计算过: X与Y不独立。
存在常数a, b(b≠0),
使 P{ Y = a+bX } = 1 ,即 X 和 Y 以概率 1 线性相关。