Upload
cleantha-thanos
View
47
Download
7
Embed Size (px)
DESCRIPTION
§ 4.4 协方差和相关系数. 前面我们介绍了随机变量的数学期望和方差 , 对 于多维随机变量,反映分量之间关系的数字特征中, 最重要的,就是本讲要讨论的 “ 协方差和相关系数 ”. 1. 协方差. 2. 相关系数. §4.4 矩和协方差矩阵. 下页. 一、协方差. 1. 定义. 任意两个随机变量 X 和 Y 的协方差 , 记为 Cov ( X , Y ), [ Covariance ] 定义为. Cov(X , Y )= E {[ X - E ( X )][ Y - E ( Y ) ]}. 2. 简单性质. - PowerPoint PPT Presentation
Citation preview
《概率统计》 下页 结束返回
§4.4 协方差和相关系数
1. 协方差
§4.4 矩和协方差矩阵2. 相关系数
下页
前面我们介绍了随机变量的数学期望和方差 ,对于多维随机变量,反映分量之间关系的数字特征中,最重要的,就是本讲要讨论的“协方差和相关系数”.
《概率统计》 下页 结束返回
任意两个随机变量 X 和 Y 的协方差,
记为 Cov(X,Y), [Covariance] 定义为
⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) .
⑴ Cov(X,Y)= Cov(Y,X);
一、协方差
2.简单性质
⑵ Cov(aX,bY) = ab Cov(X,Y) a,b 是常数;
Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]}.
1. 定义
下页
《概率统计》 下页 结束返回
即 Cov(X,Y)=E(XY) -E(X)E(Y).
可见,若 X 与 Y 独立, 则 Cov(X,Y)= 0.
3. 协方差的计算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).
下页
《概率统计》 下页 结束返回
若 X1,X2, …,Xn 两两独立 , ,上式化为
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
1 1
( ) ( ) 2 ( , );
n n
i i i ji ji i
D X D X Cov X X
1 1
( ) ( ).
n n
i ii i
D X D X
下页
《概率统计》 下页 结束返回
二、相关系数
为随机变量 X 和 Y 的相关系数 .
设 D(X)>0, D(Y)>0, 称
)()(
),(
YDXD
YXCovXY
在不致引起混淆时,记 XY 为 .
下页
当 = 0 时,称 X 与 Y 是不相关的 .
1. 定义
《概率统计》 下页 结束返回
例 1. 设 (X,Y) 的联合分布
如右表,求 Cov(X,Y) ,ρXY .解:计算得 E(X) = 2 , E(Y) = 2 ,
E(X2) = 9/2 , E(Y2) = 9/2 , D(X) =1/2 , D(Y) = 1/2 ,
Cov(X,Y) = 23/6 – 4 = - 1/6 ,
.3
1
21
21
61
)()(
),(
YDXD
YXCovXY
1/4 1/2 1/4
Y 1 2 31 0 1/6 1/12
2 1/6 1/6 1/63 1/12 1/6 0
X1/41/21/4
,6
23)( ijj
i ji pyxXYE
2. 相关系数的计算
下页
于是得
《概率统计》 下页 结束返回
例 2. 设随机变量 X 的方差 D(X)≠0, 且 Y=aX+b(a≠0),求 X 和 Y 的相关系数 ρXY .
解: 2( ) ( ) ( ) .D Y D aX b a D X
( , ) {[ ( )][ ( )]}Cov X Y E X E X Y E Y
{[ ( )][ ( )]}E X E X aX b E aX b 2[ ( )]aE X E X ( ).aD X
)()(
),(
YDXD
YXCovXY
2
( )
( ) ( )
aD X
D X a D X
| |
a
a
1, 0.
1 0
a
a
下页
《概率统计》 下页 结束返回
⑵ X 和 Y 独立时, =0 ,但其逆不真 .
由于当 X 和 Y 独立时, Cov(X,Y)= 0 ,
故( , )
0.( ) ( )
=Cov X Y
D X D Y但由 =0 并不一定能推出 X 和 Y 独立 .
请看下例 .
3. 相关系数的性质及其与独立性的关系
下页
⑴≤
《概率统计》 下页 结束返回
例 3. 设 X 服从 (-1/2, 1/2) 内的均匀分布, 而Y=cos (X) ,求 X,Y 的相关系数 .
即 Cov(X,Y)=0, 从而 =0, 即 X 和 Y 不相关 .
但 Y 与 X 有严格的函数关系, 即 X 和 Y 不独立 .
解:显然 E(X)=0, 而
相关系数刻划了 X 和 Y 间“线性相关”的程度 .
下页
( ) [ cos( )]E XY E X X1/ 2
1/ 2cos( ) ( ) 0,x x f x dx
《概率统计》 下页 结束返回
例外的情况是: 若 (X,Y) 服从二维正态分布,则 X 与 Y 独立的充分必要条件是, X 与 Y 不相关 .
显然,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 .
下页
例 4 .设 (X,Y) 服从二维正态分布,求 X,
Y
的相关系数 .
《概率统计》 下页 结束返回
2 21 1 2 2
2 2 21 21 2
( ) ( )( ) ( )1[ 2 ]
2(1 )
21 2
1( , )
2 1
x x y y
f x y e
,2
1)(
21
21
2
)(
1
x
X exf,
2
1)(
22
22
2
)(
2
y
Y eyf
解: X,Y 的联合密度 f(x,y) 及边缘密度 fX(x), fY(y) 如下:
dxdyyxfyxYXCov ),())((),( 21 ,21
下页
1 2
1 2
( , )
( ) ( )XY
Cov X Y
D X D Y
而 .
从而说明二维正态分布随机变量 X,Y 相互独立的充要条件是ρ=0. 即 X,Y 相互独立与不相关是等价的 .
《概率统计》 下页 结束返回
§4.5 矩和协方差矩阵
设 X 是随机变量,
称它为 X 的 k 阶原点矩.
))](([ kXEXE k=1,2,… 存在,若称它为 X 的 k 阶中心矩. 显然,期望是 X 的一阶原点矩 ;
方差是 X 的二阶中心矩 .
下页
一、矩的定义
若 E(Xk) k=1,2,… 存在,
《概率统计》 下页 结束返回
协方差 Cov(X,Y) 是 X 和 Y 的二阶
称它为 X 和 Y 的 k+l 阶混合(原点)矩.
若 {[ ( )] [ ( )] }k lE X E X Y E Y 存在,称它为 X 和 Y 的 k+l 阶混合中心矩.
设 X 和 Y 是随机变量,若 E(XkYl) k,l=1,2,… 存在,
可见,
下页
混合中心矩 .
《概率统计》 下页 结束返回
二、协方差矩阵的定义
将二维随机变量 (X1,X2) 的四个二阶中心矩})]({[ 2
1111 XEXEc
)]}()][({[ 221112 XEXXEXEc
排成矩阵的形式 :
)]}()][({[ 112221 XEXXEXEc
})]({[ 22222 XEXEc
称此矩阵为( X1,X2 )的协方差矩阵 .
2221
1211
cc
cc
下页
《概率统计》 下页 结束返回
类似定义 n 维随机变量 (X1,X2, …,Xn)
的协方差矩阵 .
为 (X1,X2, …,Xn) 的协方差矩阵 .
nnnn
n
n
ccc
ccc
ccc
C
21
22221
11211
称矩阵都存在 , i, j=1,2,…,n,
),( jiji XXCovc 若)]}()][({[ jjii XEXXEXE
下页
《概率统计》 下页 结束返回
作业: 102 页
1 6
结束
《概率统计》 下页 结束返回
2 21, 1
( , ) .
0,
x yf x y
其它
( ) ( , )E X xf x y dxdy
1 2
1
21 0 .x x dx
( , ) ( ) ( ) ( )Cov X Y E XY E X E Y 2
2
1 1
1 1
10 ,
x
xxdx ydy
证明: (1) 因为
同理 E(Y) = 0 .
于是 ρXY= 0 ,所以 X 与 Y 不相关 .
2
2
1 1
1 1
1x
xxdx dy
( , )xyf x y dxdy
( )E XY
下页
例 5 .设随机向量 (X,Y) 的概率密度如下 , 试证 X 与 Y 既不相关也不相互独立 .
《概率统计》 下页 结束返回
221 , 1 1
( ) ( , ) ,
0,X
x xf x f x y dy
其它
221 , 1 1
( ) .
0,Y
y yf y
其它
下页
2 21, 1
( , ) .
0,
x yf x y
其它
例 5 .设随机向量 (X,Y) 的概率密度如下 , 试证 X 与 Y 既不相关也不相互独立 .
证明: (2)
因 fX(x)fY(y)≠f(x,y) ,故 X 与 Y 不相互独立 .