概率论与数理统计(协方差及相关系数、矩)

概率论与数理统计(协方差及相关系数、矩)

ID:1445026

大小:316.00 KB

页数:24页

时间:2017-11-11

概率论与数理统计(协方差及相关系数、矩)_第1页
概率论与数理统计(协方差及相关系数、矩)_第2页
概率论与数理统计(协方差及相关系数、矩)_第3页
概率论与数理统计(协方差及相关系数、矩)_第4页
概率论与数理统计(协方差及相关系数、矩)_第5页
资源描述:

《概率论与数理统计(协方差及相关系数、矩)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、4.3协方差及相关系数、矩对于二维随机变量(X,Y),除了讨论X与Y的数学期望和方差外,还需讨论描述X与Y之间相互关系的数字特征:协方差和相关系数.4.3.1协方差由4.2.2中方差的性质(3)知,若随机变量X与Y相互独立,则D(X+Y)=D(X)+D(Y),也就是说,当随机变量X与Y相互独立时,有E{[X–E(X)][Y–E(Y)]}=0成立,这意味着当E{[X–E(X)][Y–E(Y)]}0时,X与Y不相互独立,由此可见这个量的重要性.4.3.1协方差定义4.4设有二维随机变量(X,Y),如果E{[X–E(X)][Y–E(Y)]}存在,则称其为随机变量X与Y的协方差.

2、记为Cov(X,Y),即Cov(X,Y)=E{[X–E(X)][Y–E(Y)]}这样,上节中方差的性质(3)可改写为D(X+Y)=D(X)+D(Y)+2Cov(X,Y)由(4.9)式及(4.10)式知协方差的表达式可以表示为Cov(X,Y)=E(XY)–E(X)E(Y)常利用这个式子来计算协方差Cov(X,Y).4.3.1协方差由协方差定义,不难知道协方差还具有以下几条性质:(1)(2)(3),a,b为常数;(4)(5)当随机变量X与Y相互独立时,有Cov(X,Y)=0.4.3.1协方差【例4.22】设随机变量(X,Y)具有概率密度其中区域G由曲线与围成,如图4-4所示,求

3、Cov(X,Y)及D(X+Y).解:4.3.1协方差§4.3协方差及相关系数、矩4.3.2相关系数定义4.5称为随机变量X与Y的相关系数.相关系数XY是一个无量纲的量.XY常简记为.【例4.23】在例4-22中,求相关系数XY.解:因为所以4.3.2相关系数4.3.2相关系数下面不加证明地给出相关系数的两条性质:(1)

4、XY

5、1;(2)

6、XY

7、=1的充要条件是,存在常数a,b,使P{Y=aX+b}=1.定义4.6若XY=0,称X与Y不相关.0<XY1,称X与Y正相关,–1XY<0,称X与Y负相关.事实上,相关系数XY是X与Y线性关系强弱的一个度量,

8、X与Y的线性关系程度随着

9、XY

10、的减小而减弱,当

11、XY

12、=1时X与Y的线性关系最强,当XY=0时,意味X与Y的不存在线性关系,即X与Y不相关.4.3.2相关系数由协方差的性质(5)当随机变量X与Y相互独立时,有Cov(X,Y)=0.易知定理4.3若X与Y相互独立,则XY=0,即X与Y不相关,反之不真.这意味着,X与Y不相关仅指X与Y之间不存在线性关系,并不能说明X与Y不具有其他关系.4.3.2相关系数【例4.24】设随机变量Z服从(–,)上的均匀分布,又X=sinZ,Y=cosZ,试求相关系数XY.解:由于因而Cov(X,Y)=0,XY=0.相关系数XY=

13、0,说明随机变量X与Y不相关,但是,由于,所以X与Y不独立.4.3.3矩矩的概念在后面的数理统计部分有重要应用.定义4.7设X和Y是随机变量,若E(Xk),k=1,2,…存在,称其为X的k阶原点矩,简称k阶矩;若存在,称其为X的k阶中心矩;若存在,称其为X和Y的k+l阶混合矩;若存在,称它为X和Y的k+l阶混合中心矩.4.3.3矩(1)X的k阶原点矩:E(Xk),k=1,2,…(2)X的k阶中心矩:(3)X和Y的k+l阶混合矩:(4)X和Y的k+l阶混合中心矩:显然,X的数学期望E(X)是X的一阶原点矩,X的方差D(X)是X的二阶中心矩,X和Y的协方差Cov(X,Y)=0是

14、X和Y的二阶混合中心矩.【实验4-2】设X和Y分别表示在一分钟内通过某收费站的小汽车数量和卡车数量,X和Y的联合分布律如下:(1)期望E(X)、E(Y)、E(XY)(2)方差D(X)、D(Y)(3)协方差Cov(X,Y)(4)相关系数XYYX0123400.050.040.010010.050.10.030.02020.030.050.150.050.02300.020.080.10.054000.020.050.08实验准备:(1)函数SUMPRODUCT的使用格式:SUMPRODUCT(array1,array2,array3,...)功能:返回多个区域array1,

15、array2,array3,...对应数值乘积之和.(2)函数MMULT的使用格式:MMULT(array1,array2)功能:返回两数组的矩阵乘积.结果矩阵的行数与array1的行数相同,列数与array2的列数相同.实验步骤:(1)整理数据如图4-5所示.图4-5整理数据(2)计算边缘概率P{X=xi}和P{Y=yj}在单元格G2中输入公式:=SUM(B2:F2),并将其复制到单元格区域G3:G6在单元格B7中输入公式:=SUM(B2:B6),并将其复制到单元格区域C7:F7(3)计算期望E(XY)首先在单元

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。