- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
§4.4协方差和相关系数
随机变量的数字特征,包括数学期望、方差、协方差和相关系数等。协方差和相关系数是考虑两个随机变量之间的某种关系。协方差的意义不太直观,它考察两个随机变量(随机向量)与各自均值之差的加权平均值,相关系数则是考虑两个随机变量取值之间的关系。
协方差
定义:对两个随机变量X、匕称E[(X-EX)(Y-EY)]为X与Y的协方差,记为Cov(X,Y),即
CoVX,Y)=E[(X-EX)(Y-EY)]
相关系数
定义:对两个随机变量X、Y,称
CoVX,Y)
/D(XD(Y)
为X与Y的相关系数或标准协方差,记为p,即
Cov(X,Y) XY
p=.
XYVD(XD(Y)
方差、协方差的运算性质
D(X+Y)=D(X)+D(Y)+2Cov(X,Y)
Cov(X,Y)=E(XY)-E(X)?E(Y)
推论:若随机变量X、Y独立,则
Cov(X,Y)=p=0
Problem:若Cov(X,Y)=p=0,则X、Y是否独立?
Cov(X,Y)=Cov(Y,X)XY
Cov(aX,bY)=abCov(X,Y)
Cov(X+X,Y)=Cov(X,Y)+Cov(X,Y)
Cov(X-戈,Y)=Cov(X,Y)-Cov(戈,Y)
相关系数的性质 1 2
柯西-许瓦兹(Cauchy-Schwarz)不等式:
对任意两个随机变量X、Y,若E(X2)8,E(Y2)8,贝寸
(E(XY))2E(X2)?E(Y2)
证明:对任意实数I,有
q(t)=E((X+tY)2)=E(X2)+12E(Y2)+2tE(XY)0
因此,二次方程q(t)=0的判别式
4(E(XY))2-4E(X2)?E(Y2)0
(E(XY))2E(X2)?E(Y2)
证毕。
设p为X与Y的相关系数,贝寸
IPxJ1
Ip、I=1的充要条件是X与Y完全线性相关,即
XY
P(Y=aX+b)=1,(a,b为某个常数)
证明:
={E[(X-EX)(Y-EY)]}2
PXy_ D(X)?D(Y)
,E[(X-EX)2]E[(Y-EY)2]1
=1
- D(X)?D(Y)
所以,IpI1。
IpI=10p2=10
E(X-EX)(Y-EY)]}2=D(X)?D(Y)
E[(X-EX)2]E[(Y-EY)2]
0q(t)=0的判别式=0,0q(t)=0有唯一实根t,即
0
E{[(X-EX)+t(Y-EY)]2}=0
0存在唯一的t使
D(X+tY)=0
0存在某个常数C使
P(X+tY=C)=1
0存在某个常数°a,b使
P(Y=aX+b)=1证毕。
若X与Y独立,则p=0,反之不一定成立。
相关系数的意义XY
当p=0时,称X与Y不相关。
当pXY=1时,称X与Y完全线性正相关,当p=-1时,称X与Y完全线性负相关,完全线性正相关和完全线性负相关统称完全线性相关(它们的取值在一条直线上)。
IpI越大,表示X与Y的线性相关的程度越大,即,它们的取值越接近在一条直线上。
举例
例1:设(X,Y)服从二维正态分布,其密度函数为
1-—e2(i-P2)TOC\o1-5\h\zp(x,
1
-—
e2(i-P2)
2兀bb.V1-p2求E(X),E(Y),D(X),D(Y),pxy0解:(X,Y)的边际分布为
1 _(*^
Px(X)=切e2b2
1
1 -(E2
PY(y)=BeS
2所以,E(X)=口1, E(Y)=口2 , D(X) = b2, D(Y)= b2。而
CoVX,Y)=f+sf+s(x-R)(y-R)p(x,y)dxd=
s-s 1 2 1
=J+sJ+s(x-R)(y_R) =^=
_s_s 1 22兀bbJT—p2
U^2 (LUy』②)*
U^2 (LUy』②)*(^2
。2 罕2可
_dxdy
?—e2(1-p2)
令:t= jn_p二),u=n,则
TOC\o1-5\h\z21—2b b b
2、1P2 2 1 1
CoVX,Y)=-1J+sJ+s(bbJ1—p21-u+pbb
文档评论(0)