《概率论与数理统计》课程教学资源(PPT课件)4.3 协方差及相关系数

第三节协方差及相关系数 一、协方差的定义和性质 二、相关系数的定义和性质
一、协方差的定义和性质 二、相关系数的定义和性质 第三节 协方差及相关系数

一、协方差的定义和性质 1.问题的提出 D(X+Y)=D(X)+DY)+2E{[X-E(X)][Y-E(Y)]} =D(X)+D(Y)+2{E(XY)-E(X)E(Y)} 若随机变量X与Y相互独立,则ELX-E(X)][Y-E(Y)]}=0. 若EX-E(X)][Y-E()小≠0,则X与Y不独立,而 是存在一定关系的
一、协方差的定义和性质 若随机变量 X 与 Y 相互独立,则E X E X Y E Y − − = ( ) ( ) 0 . 若E X E X Y E Y − − ( ) ( ) 0 ,则 X 与 Y 不独立,而 是存在一定关系的。 1. 问题的提出 D X Y ( ) + = + D X D Y ( ) ( )+ − − 2 ( ) ( ) E X E X Y E Y = + D X D Y ( ) ( ) + − 2 ( ) ( ) ( ) E XY E X E Y

D(X+Y)=D(X)+D(Y)+2EX-E(X)IIY-E(Y) 2.定义量E{[X-E(X)[Y-E(Y)}称为随机变量X与 Y的协方差,记为Cov(X,Y), Covariance Cov(X,Y)=E[X-E(X)]Y-E(Y)] 计算公式:Cov(x,Y)-E(Xy)-E(X)E(Y) D(X+Y)=D(X)+D(Y)+2Cov(XY) Cov(X,Y)=Cov(Y,X),Cov(X,X)=D(X) 3.性质 (1)Cov(ax,bY)=abCov(X,Y) (2)Cov(X:+X2,Y)=Cov(X,Y)+Cov(X2,Y)
D( ) D( ) D( ) 2Cov( ) X +Y X Y X,Y = + + Cov X,Y Cov Y, X Cov X, X D X ( ) = = ( ), ( ) ( ) 3. 性质 2. 定义 量E X E X Y E Y {[ ( )][ ( )]} − − 称为随机变量 X 与 Y 的协方差,记为Cov( , ) X Y , D X Y ( ) + = + D X D Y ( ) ( ) + − − 2 [ ( )][ ( )] E X E X Y E Y Covariance 即 Cov( , ) ( ) ( ) X Y E X E X Y E Y = − − 计算公式: Cov , ( X Y E XY E X E Y ) = − ( ) ( ) (1 Cov , Cov , ) (aX bY ab X Y ) = ( ) (2) Cov , Cov , Cov , ( X X Y X Y X Y 1 2 1 2 + = + ) ( ) ( )

二、相关系数的定义和性质 1.定义量 Cov(X,Y) 称为随机变量X与Y的相关系数, VD(X)·VDY) 记作Px, 即 Cov(X,Y) Pw-√DXDY) →Cov(X,Y)=PrVD(X)VD(Y)
二、相关系数的定义和性质 Cov( , ) ( ) ( ) = X Y D X D Y XY 即 Cov( , ) ( ) ( ) XY X Y ρ D X D Y = Cov( , ) 1. ( ) ( ) X Y X Y D X D Y 定义 量 称为随机变量 与 的相关系数, XY 记作ρ

2。相关系数的两条性质及含义: 以线性函数α+bX近似表示Y,衡量近似程度 用均方误差:e=E[y-(u+bX]}的大小衡量. 问题:求,b,使e达到最小. e=E[Y-(a+bX)J] =E(Y2)+B2E(X2)+a2-2bE(XY)+2abE(X)-2aE(Y), ae=2a+2bE(X)-2EY)=0, 令 B e=2bE(x')-2E(XY)+2E(X)=0 La 好将&-Em-B0袋,4-“0” D(X)
2 2 2 2 = + + − + − E Y b E X a bE XY abE X aE Y ( ) ( ) 2 ( ) 2 ( ) 2 ( ), 2 2 2 ( ) 2 ( ) 0, 2 ( ) 2 ( ) 2 ( ) 0. e a bE X E Y a e bE X E XY aE X b = + − = = − + = 令 解得 0 Cov( , ) . ( ) X Y b D X 0 = Cov( , ) ( ) ( ) ( ) X Y a E Y E X D X = − , 2 e E Y a bX = − + ( ) 以线性函数 a bX Y + 近似表示 ,衡量近似程度. 2 ——用均方误差: e E Y a bX = − + ( ) 的大小衡量. 2. 相关系数的两条性质及含义: 问题:求a b e , ,使 达到最小

将他们代入e=E[r-u+b)},可得 min E [Y-(a+X) =E{y-(a,+b,X]}=(I-P2)DY(参见P107注) 即minE{-a+b}=E-a,+6X}=(-p.)D 定理:1°p≤1. 2°pxw=1的充要条件是存在常数a,b使 PY=a+bX=1
(参见P107注) 定理: 0 1 1. XY 2 1 0 XY = 的充要条件是存在常数a b, 使 P Y a bX = + = 1 2 , min ( ) a b E Y a bX − + 2 (1 ) ( ). = = − XY D Y ( ) 2 2 2 0 0 , min ( ) ( ) 1 ( ). XY a b E Y a bX E Y a b X D Y − + = − + = − 即 2 将他们代入 e E Y a bX = − + ( ) ,可得 2 0 0 = − + E Y a b X ( )

min EI(Y-(a+bx))=(1-p)D(Y). 说明:()Pxw越大,均方误差e越小,表明X与Y的线性关系 越紧密.当P=1时,表明X与Y以概率为1存在某种线性关系; (2)P越小,均方误差e越大,表明X与Y的线性关系越差; 当Pxr=0时,称X与Y不相关. 相互独立不相关 (3)X与Y不相关是就线性关系而言,相互独立是就一般关系而言 (④)不相关的充要条件X,Y不相关台Pxw=0: →Co(X,Y)=0 →E(XY)=E(X)E(Y)
相互独立 不相关 (4) 不相关的充要条件 , 0; X Y 不相关 = XY = Cov( , ) 0 X Y = E XY E X E Y ( ) ( ) ( ) 2 (1 ) ( ). = − xy D Y 2 , min [( ( )) ] a b E Y a bX − + 说明: 1 XY ( ) 越大,均方误差e X Y 越小,表明 与 的线性关系 越紧密. 1 1 当 XY = 时,表明X Y 与 以概率为 存在某种线性关系; 2 XY ( ) 越小,均方误差e X Y 越大,表明 与 的线性关系越差; 0 . 当 XY = 时,称X Y 与 不相关 (3) X Y 与 不相关是就线性关系而言,相互独立是就一般关系而言

例1设X与Y的分布律为 X-2-1 12P{Y=j} 01/4 1/40 1/2 4 1/4001/4 1/2 P(X-i 1/41/41/41/4 判断XY独立性,相关性, 解:易知,E(X)=0,E(Y)= ),E(XW)=0, 故Cov(X,Y)=0,Pw=0,所以,X与Y不相关。 又P{x=-2Y-=0,P(X=-2P(Y==8 则X与Y也不相互独立。 事实上,=水
例 1 设 X 与 Y 的分布律为 Y X -2 -1 1 2 P{Y=j} 1 4 0 1/4 1/4 0 1/4 0 0 1/4 1/2 1/2 P{X=i} 1/4 1/4 1/4 1/4 0, XY = 事实上,Y=X2 判断X、Y 独立性,相关性. 解: 又 P X Y = − = = 2, 1 0, 1 2 1 8 P X P Y = − = = 易知,E X( ) 0, = 故 Cov( , ) 0, X Y = 5 ( ) , 2 E Y = E XY ( ) 0, = 所以,X与Y不相关。 则X与Y也不相互独立

例2.设(X,)服从二维正态分布,概率密度函数为 fx) 1 2元s,01-p a-g,“ 0102 求X与Y的相关系数. 提示:Cov(X,Y)=EXY)-E(X)E(Y)=POO2 X-(4,),卫-(4,) Cov(X,Y) →xJD(X)D ==P
提示: ( ) ( ) 2 2 X μ1 1 2 2 ,σ ,Y μ ,σ Cov( , ) ( ) ( ) ( ) X Y E XY E X E Y = − Cov( , ) ( ) ( ) . XY X Y D X D Y = = = 1 2 例2. 设(X,Y)服从二维正态分布,概率密度函数为 求X与Y的相关系数. 2 1 2 1 ( , ) 2 1 f x y σ σ ρ = − 2 2 1 1 2 2 2 2 2 1 2 1 ( ) ( )( ) ( ) exp 2 2(1 ) x μ x μ y μ y μ ρ ρ σ σ σ σ − − − − − − + −

说明:(1)二维正态分布中的参数ρ表示两个随机 变量的相关系数。 (2)若(X,Y)服从二维正态分布,则X与Y 相互独立的充分必要条件是p=0。 即:对于二维正态变量(X,Y)来讲,X与Y 不相关与相互独立是等价的
(2)若(X,Y)服从二维正态分布,则 X 与 Y 相互独立的充分必要条件是=0。 即 :对于二维正态变量(X,Y)来讲,X 与 Y 不相关与相互独立是等价的。 说明:(1)二维正态分布中的参数表示两个随机 变量的相关系数
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 《概率论与数理统计》课程教学资源(PPT课件)4.4 矩与协方差矩阵.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)5.1 大数定律.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)5.2 中心极限定理.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)6.1 随机样本.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)6.3 统计量及其分布(简).ppt
- 《概率论与数理统计》课程教学资源(PPT课件)7.1 点估计.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)7.3 估计量的评选标准.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)7.4 区间估计.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)7.5 正态总体均值与方差的区间估计.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)7.7 单侧置信区间.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)8.1 假设检验.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)8.2 正态总体均值的假设检验.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)8.3 正态总体方差的假设检验.ppt
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第四章 线性方程组 第一节 线性方程组解的判别 第二节 齐次线性方程组.ppt
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第四章 线性方程组 第三节 非齐次线性方程组.pdf
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第三章 矩阵的运算 3-4 分块矩阵.ppt
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第三章 矩阵的运算 3-1 矩阵的运算.ppt
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第三章 矩阵的运算 3-2 逆矩阵.ppt
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第三章 矩阵的运算 3-3 初等矩阵.pdf
- 山东理工大学:《线性代数》课程教学课件(PPT讲稿)第二章 矩阵与向量 2-1 消元法与矩阵初等变换.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)4.2 方差.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)4.1 数学期望.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)3.5 两个随机变量函数的分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)3.4 相互独立的随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)3.3 条件分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)3.2 边缘分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)3.1 二维随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)2.5 随机变量的函数的分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)2.4 连续型随机变量及其概率密度.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)2.3 随机变量的分布函数.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)2.2 离散型随机变量及其分布律.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)2.1 随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)1.6 独立性.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)1.5 条件概率.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)1.4 等可能概型.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)1.3 频率与概率.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)1.1-1.2 随机试验 样本空间、随机事件.ppt
- 《高等数学》课程教学资源(空间解析几何导学单)2.向量的数量积与向量积_2.向量及其线性运算.doc
- 《高等数学》课程教学资源(空间解析几何导学单)3.平面及其方程_3.平面及其方程.doc
- 《高等数学》课程教学资源(空间解析几何导学单)4.直线及其方程_4.直线及其方程.doc