协方差及相关系数及其性质优质PPT.ppt
- 文档编号:15583412
- 上传时间:2022-11-06
- 格式:PPT
- 页数:31
- 大小:676KB
协方差及相关系数及其性质优质PPT.ppt
《协方差及相关系数及其性质优质PPT.ppt》由会员分享,可在线阅读,更多相关《协方差及相关系数及其性质优质PPT.ppt(31页珍藏版)》请在冰豆网上搜索。
意义意义|XY|=1当且仅当当且仅当YY跟跟XX几乎有线性关系。
这说几乎有线性关系。
这说明了相关系数的概率意义。
明了相关系数的概率意义。
XY是刻画是刻画XX,YY之间线性相关程度之间线性相关程度。
(2)
(2)证:
由柯西一许瓦兹不等式中等号成立(由柯西一许瓦兹不等式中等号成立()充要条件知充要条件知写为矩阵的形式:
称为随机变量(X1,X2)的协方差矩阵。
(1)二维随机向量的协方差矩阵二维随机变量(X1,X2)有四个二阶中心矩(设他们存在),分别记为三三.协方差矩阵协方差矩阵
(2)推广定义定义设X=(X1,X2,Xn)为n维随机向量,并记i=E(Xi),则称=(1,2,n)为向量X的数学期望或均值,称矩阵为向量X的协方差矩阵。
例例66:
设(X,Y)N(1,2,12,22,),求向量(X,Y)的均值与协方差矩阵。
解:
E(X)=1,E(Y)=2,所以(X,Y)的均值为=(1,2)(X,Y)协方差矩阵为3.协方差矩阵的性质
(1)协方差矩阵对角线上的元素Cii为Xi的方差即Cii=D(Xi)i=1,2,n;
(2)协方差矩阵C为对称矩阵,即Cij=Cji,i,j=1,2,n;
(3)C为非负定矩阵,即对于任意实向量t=(t1,t2,tn),有tCt0;
性质
(1),
(2)显然,只证(3)4多维正态分布及其性质二维正态随机向量X=(X1,X2)的概率密度为引入下面记号经运算可得于是X=(X1,X2)的概率密度可写成上式推广至n维正态分布的情况,于是有以下定义:
(1)定义若n维随机向量X=(X1,Xn)的概率密度为其中X=(X1,Xn),=(1,2,n)为n维实向量,C为n阶正定对称矩阵,则称向量X=(X1,Xn)服从n维正态分布,记为XN(,C).对于n维正态分布XN(,C),X的期望为,X的协方差矩阵为C。
(2)
(2)性质性质(P179P179页)页)n维正态分布具有下述性质:
1)n维随机向量(X1,Xn)服从n维正态分布充要条件是X1,Xn的任意线性组合l1X1+l2X2+lnXn(l1,l2,ln是不全为0的数)服从一维正态分布。
2)若X=(X1,Xn)N(,C),设Y=(Y1,Y2,Ym)=AX,即Yii为Xj(j=1,2,n)的线性函数,ii=1,2,m,则YN(A,ACA),其中A为m行n列且秩为m的矩阵。
3)设(X1,Xn)服从n维正态分布,则“X1,Xn相互独立”与“X1,Xn两两不相关”是等价的。
例例77:
设XN(0,1),YN(0,1),若X与Y相互独立,求E(|X-Y|)。
于是解:
令Z=X-Y,问题化为求E(|Z|),为求E(|Z|),我们先求出Z的概率密度.由于(X,Y)服从二维正态分布,由性质1)知Z服从一维正态分布,而E(Z)=E(X-Y)=E(X)-E(Y)=0,D(Z)=D(X-Y)=D(X)+D(Y)=2,故ZN(0,2),即Z的概率密度为例8:
设,问X与Z是否独立?
由于由性质2)知(X,Z)服从二维正态分布,再由性质3)知判断X与Z是否独立等价于判断X与Z是否不相关。
D(X)=32,D(Y)=42,XY=-1/2,于是XZ=0所以X与Z不相关,由此可得X与Z相互独立。
小结小结:
1.结论1:
X与Y相互独立XY=0X与Y不相关;
反之,XY=0不能推出X与Y相互独立。
结论2:
对任意X与Y,以下结论等价XY=0Cov(X,Y)=0E(XY)=E(X)E(Y)D(X+Y)=D(X)+D(Y)。
结论3:
若(X,Y)N(1,2,12,22,),则X与Y相互独立XY=0X与Y不相关。
2.由于正态分布在概率论中有其特殊地位,因此对多维正态分布的性质及其应用要较好地掌握。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 协方差 相关系数 及其 性质