隨機變量的協(xié)方差和相關系數演示文稿

隨機變量的協(xié)方差和相關系數演示文稿現(xiàn)在是1頁\一共有21頁\編輯于星期日隨機變量的協(xié)方差和相關系數現(xiàn)在是2頁\一共有21頁\編輯于星期日

前面我們介紹了隨機變量的數學期望和方差，對于二維隨機變量（X，Y），我們除了討論X與Y的數學期望和方差以外，還要討論描述X和Y之間關系的數字特征，這就是本講要討論的協(xié)方差和相關系數現(xiàn)在是3頁\一共有21頁\編輯于星期日

E[X-EX][Y-EY]稱為隨機變量X和Y的協(xié)方差,記為cov(X,Y)，即

一、協(xié)方差cov(X,Y)=E[X-EX][Y-EY]=EXY-EXEY1.定義1)當(X,Y)是離散型隨機變量時,2)當(X,Y)是連續(xù)型隨機變量時,現(xiàn)在是4頁\一共有21頁\編輯于星期日(6)cov(X1+X2,Y)=cov(X1,Y)+cov(X2,Y)(5)cov(aX,bY)=abcov(X,Y)a,b是常數(7)D(X±Y)=D(X)+D(Y)±2cov(X,Y)(4)cov(aX+b,Y)=acov(X,Y)a,b是常數2.簡單性質(3)cov(X,Y)=cov(Y,X)(2)cov(X,X)=D(X)(1)cov(X,C)=0,C為常數；現(xiàn)在是5頁\一共有21頁\編輯于星期日

協(xié)方差的大小在一定程度上反映了X和Y相互間的關系，但它還受X與Y本身度量單位的影響.

為了克服這一缺點，對協(xié)方差進行標準化，這就引入了相關系數

.現(xiàn)在是6頁\一共有21頁\編輯于星期日二、相關系數為隨機變量X和Y的相關系數

.定義:

設D(X)>0,D(Y)>0,稱在不致引起混淆時，記

為

.現(xiàn)在是7頁\一共有21頁\編輯于星期日相關系數的性質：證:由方差的性質和協(xié)方差的定義知,對任意實數b,有0≤D(Y-bX)=b2D(X)+D(Y)-2bcov(X,Y)令，則上式為

D(Y-bX)=

由于方差D(Y)是正的,故必有1≥0,所以|≤1?，F(xiàn)在是8頁\一共有21頁\編輯于星期日存在常數a,b(b≠0)，使P{Y=a+bX}=1，即X和Y以概率1線性相關.現(xiàn)在是9頁\一共有21頁\編輯于星期日3.X和Y獨立時，

=0，但其逆不真.由于當X和Y獨立時，cov(X,Y)=0,故=0但由并不一定能推出X和Y獨立.例1

設X~N(0,1),Y=X2,求X和Y的相關系數。證:現(xiàn)在是10頁\一共有21頁\編輯于星期日4.若，則稱X和Y（線性）不相關。定理：若隨機變量X與Y的數學期望和方差都存在，且均不為零，則下列四個命題等價：（1）；（2）cov(X,Y)=0；（3）E(XY)=EXEY；（4）D(X±Y)=DX+DY。注：反應了X與Y的線性關系密切程度；X與Y不相關表明兩者沒有線性關系，但不等于說沒有其他關系。現(xiàn)在是11頁\一共有21頁\編輯于星期日但可以證明對下述情形，獨立與不相關等價若(X,Y)服從二維正態(tài)分布，則X與Y獨立X與Y不相關若X與Y獨立，則X與Y不相關，但由X與Y不相關，不一定能推出X與Y獨立.獨立與不相關的關系：現(xiàn)在是12頁\一共有21頁\編輯于星期日三、協(xié)方差矩陣將二維隨機變量（X1,X2）的四個數量指標排成矩陣的形式:稱此矩陣為（X1,X2）的協(xié)方差矩陣.這是一個非負定對稱矩陣現(xiàn)在是13頁\一共有21頁\編輯于星期日

類似定義n維隨機變量(X1,X2,…,Xn)的協(xié)方差矩陣.為(X1,X2,…,Xn)的協(xié)方差矩陣.都存在,則稱(i,j=1,2,…,n)若矩陣這是一個非負定對稱矩陣現(xiàn)在是14頁\一共有21頁\編輯于星期日為(X1,X2,…,Xn)的相關系數矩陣。都存在,則稱(i,j=1,2,…,n)若矩陣四、相關系數矩陣這是一個非負定對稱矩陣現(xiàn)在是15頁\一共有21頁\編輯于星期日由于故相關系數矩陣的主對角元素均為1.現(xiàn)在是16頁\一共有21頁\編輯于星期日五、原點矩和中心矩定義設X和Y是隨機變量，若存在，稱它為X的k階原點矩，簡稱k階矩.

存在，稱它為X的k階中心矩.注：均值E(X)是X一階原點矩,

方差D(X)是X的二階中心矩.現(xiàn)在是17頁\一共有21頁\編輯于星期日注:協(xié)方差cov(X,Y)是X和Y的二階混合中心矩.稱它為X和Y的k+l階混合原點矩.若存在，稱它為X和

Y的

k+l階混合中心矩.

設X