《协方差及相关系数》PPT课件

《《协方差及相关系数》PPT课件》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、第三节协方差及相关系数协方差相关系数量E{[X-E(X)][Y-E(Y)]}称为随机变量X和Y的协方差,记为cov(X,Y),即:(4)cov(X1+X2,Y)=cov(X1,Y)+cov(X2,Y)(1)cov(X,Y)=cov(Y,X)一、协方差(covariance)2.简单性质:(2)cov(aX,bY)=abcov(X,Y),a,b是常数cov(X,Y)=E{[X-E(X)][Y-E(Y)]}1.定义:(3)cov(C,X)=0,C是常数cov(X,Y)=E(XY)-E(X)E(Y)可见,若X与Y独立

2、,则cov(X,Y)=0.3.计算协方差的一个简单公式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)即:特别地:4.随机变量和的方差与协方差的关系D(X±Y)=D(X)+D(Y)±2cov(X,Y)二、相关系数(correlation)为随机变量X和Y的相关系数.1.定义:设D(X)>0,D(Y)>0,称:在不致引起混淆时,记ρXY为ρ.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与Y本身度

3、量单位的影响.例如：cov(kX,kY)=k2cov(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.易知:E(X*)=0,D(X*)=1;E(Y*)=0,D(Y*)=1;（标准协方差）2.相关系数的性质：2)X和Y独立时,ρ=0（此时称X和Y不相关）,但其逆不真.证：由于当X和Y独立时,cov(X,Y)=0.但由ρ=0并不一定能推出X和Y独立.若X与Y独立,则X与Y不相关.但X与Y不相关,不一定能推出X与Y独立.事实上,X的密度函数:反例:设X服从(-1/2,1/2)内的均匀分布,而Y=co

4、sX,不难求得:cov(X,Y)=0，因而ρ=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.存在常数a,b(b≠0),使P{Y=aX+b}=1,即:X和Y以概率1线性相关.相关系数刻划了X和Y间“线性相关”的程度.若ρ=0,Y与X无线性关系;可见,若ρ=±1,Y与X有严格线性关系;若0<

5、ρ

6、<1,

7、ρ

8、的值越接近于1,Y与X的线性相关程度越高;

9、ρ

10、的值越接近于0,Y与X的线性相关程度越弱.（称X和Y完全相关）（称X和Y不相关）三、原点矩中心矩1.定义:设X和Y是随机变量,称它为X的k阶原点矩

11、，简称k阶矩;称它为X的k阶中心矩.可见,均值E(X)是X的一阶原点矩,方差D(X)是X的二阶中心矩。(k-thrawmoment)(k-thcentralmoment)可见,协方差cov(X,Y)是X和Y的二阶混合中心矩.称它为X和Y的k+l阶混合(原点)矩.称它为X和Y的k+l阶混合中心矩.2.定义:设X和Y是随机变量,((k+l)-thmixedrawmoment)((k+l)-thmixedcentralmoment)四、协方差矩阵将二维随机变量(X1,X2)的四个二阶中心矩:排成矩阵的形式:称此矩阵为

12、(X1,X2)的协方差矩阵(covariancematrix).这是一个对称矩阵类似定义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.都存在,称矩阵:(i,j=1,2,…,n)若作业习题4-32,3,6,7,8