Professional Documents
Culture Documents
随机变量的独立性
多维r.v.的特征数
中心极限定理
《概率论与数理统计》
第三章 多维随机变量
汤银才
华东师范大学 金融与统计学院
《概率论与数理统计》
第三章 多维随机变量
汤银才
华东师范大学 金融与统计学院
例3.3.1:
在长为1 的线段上任取两点X 与Y,求两点间的平均长度, 即
求E (|X − Y |)
解:
E (|X − Y |) = 31 .
例3.3.1:
在长为1 的线段上任取两点X 与Y,求两点间的平均长度, 即
求E (|X − Y |)
解:
E (|X − Y |) = 31 .
定理3.2 (r.v.和的数学期望)
E (X + Y ) = E (X ) + E (Y )
Xn n
X
E( Xi ) = E (Xi )
i=1 i=1
定理3.3 (独立r.v.积的数学期望)
若r.v. X与Y独立, 则
E (XY ) = E (X ) · E (Y )
若r.v. X , · · · , X 相互独立, 则
1 n
n
Y n
Y
E ( Xi ) = E (Xi )
i=1 i=1
若r.v. X , · · · , X 相互独立, 则
1 n
n
X
E (X1 ± X2 ± · · · ± Xn ) = Var (Xi )
i=1
比较:
与Y并不要求独立)
E (aX ± bY ) = aE (X ) ± bE (Y ) (X
Var (aX ± bY ) = a Var (X )+b Var (Y ) (X与Y要求独立)
2 2
若r.v. X , · · · , X 相互独立, 则
1 n
n
X
E (X1 ± X2 ± · · · ± Xn ) = Var (Xi )
i=1
比较:
与Y并不要求独立)
E (aX ± bY ) = aE (X ) ± bE (Y ) (X
Var (aX ± bY ) = a Var (X )+b Var (Y ) (X与Y要求独立)
2 2
定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时,Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!
定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时,Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!
定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时,Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!
定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时,Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!
定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时,Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!
为X与Y的协方差.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
3.3.3 协方差
问题的提出:
由§3.2 知, 多维r.v.的分布中不仅含有各个分量的信息(可以
通过其边缘分布来刻划),还包含了各个分量之间相关的信息.
若r.v.X 与Y 不独立, 则Var (X ± Y ) = Var (X ) + Var (Y ) ±
2E [X − E (X )][Y − E (Y )] 6= Var (X ) + Var (Y ).
这表明随机向量(X , Y )的各分量X 与Y 之间的相关性可以通
过E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )来刻划.
定义3.1 (协方差:)
设r.v. X 与Y 的方差均存在, 则称
Cov (X , Y ) = E [(X − E (X ))(Y − E (Y ))] = E (XY ) − E (X )E (Y )
为X与Y的协方差.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
3.3.3 协方差
问题的提出:
由§3.2 知, 多维r.v.的分布中不仅含有各个分量的信息(可以
通过其边缘分布来刻划),还包含了各个分量之间相关的信息.
若r.v.X 与Y 不独立, 则Var (X ± Y ) = Var (X ) + Var (Y ) ±
2E [X − E (X )][Y − E (Y )] 6= Var (X ) + Var (Y ).
这表明随机向量(X , Y )的各分量X 与Y 之间的相关性可以通
过E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )来刻划.
定义3.1 (协方差:)
设r.v. X 与Y 的方差均存在, 则称
Cov (X , Y ) = E [(X − E (X ))(Y − E (Y ))] = E (XY ) − E (X )E (Y )
为X与Y的协方差.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
3.3.3 协方差
问题的提出:
由§3.2 知, 多维r.v.的分布中不仅含有各个分量的信息(可以
通过其边缘分布来刻划),还包含了各个分量之间相关的信息.
若r.v.X 与Y 不独立, 则Var (X ± Y ) = Var (X ) + Var (Y ) ±
2E [X − E (X )][Y − E (Y )] 6= Var (X ) + Var (Y ).
这表明随机向量(X , Y )的各分量X 与Y 之间的相关性可以通
过E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )来刻划.
定义3.1 (协方差:)
设r.v. X 与Y 的方差均存在, 则称
Cov (X , Y ) = E [(X − E (X ))(Y − E (Y ))] = E (XY ) − E (X )E (Y )
为X与Y的协方差.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
协方差的性质
定理3.5
(1) 对称性: Cov (X , Y ) = Cov (Y , X )
(2) 若X与Y独立, 则Cov (X , Y ) = 0.
定理3.6
记Var (X ) = σ , Var (Y ) = σ , 则[Cov (X , Y )]
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Var (X ± Y ) = Var (X ) ± 2Cov (X , Y ) + Var (Y )
Xn n
X X
Var ( Xi ) = Var (Xi ) + 2 Cov (Xi , Xj )
i=1 i=1 i<j
定理3.6
记Var (X ) = σ , Var (Y ) = σ , 则[Cov (X , Y )]
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Var (X ± Y ) = Var (X ) ± 2Cov (X , Y ) + Var (Y )
Xn n
X X
Var ( Xi ) = Var (Xi ) + 2 Cov (Xi , Xj )
i=1 i=1 i<j
定理3.6
记Var (X ) = σ , Var (Y ) = σ , 则[Cov (X , Y )]
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Var (X ± Y ) = Var (X ) ± 2Cov (X , Y ) + Var (Y )
Xn n
X X
Var ( Xi ) = Var (Xi ) + 2 Cov (Xi , Xj )
i=1 i=1 i<j
Cov (X , a) = 0
Cov (X , a) = 0
Cov (X , a) = 0
例3.3.3(Page 185):
设
(
1
+ y ), 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
3 (x
(X , Y ) ∼ p(x, y ) =
0, ∼
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13
Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )
独立 (
非线性相依
非线性相依无法用一个特定的指标来刻划, 但线性相依程度可以
用相关系数来刻划.
定义3.2 (相关系数)
设r.v. X 与Y 的方差σ 和σ 均存在且非零, 则称
2
x
2
y
Cov (X , Y )
Corr (X , Y ) = ρ(X , Y ) =
σx σy
为r.v. X 与Y 的(线性)相关系数.
与 正相关
> 0, X Y
与 负相关
Corr (X , Y ) = < 0, X Y
与 不相关
= 0, X Y
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320
协方差与相关系数的异同
1两者均能反映两个r.v.的(线性)相关程度;
2协方差是个相对量—它与量纲有关;
3相关系数与量纲无关—它更能反映两个r.v.之间的相关程度!
协方差与相关系数的异同
1两者均能反映两个r.v.的(线性)相关程度;
2协方差是个相对量—它与量纲有关;
3相关系数与量纲无关—它更能反映两个r.v.之间的相关程度!
协方差与相关系数的异同
1两者均能反映两个r.v.的(线性)相关程度;
2协方差是个相对量—它与量纲有关;
3相关系数与量纲无关—它更能反映两个r.v.之间的相关程度!
定理3.9
|Corr (X , Y )| = ±1 ⇔ X与Y之间几乎处处有线性关系, 即存
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
若r.v. X与Y独立, 则Cov (X , Y ) = 0, 反之不然!
相关程度与ρ = Corr (X , Y )关系—直观表示
见Page 192.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
相关系数的性质
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
|Corr (X , Y )| = ±1 ⇔ X与Y之间几乎处处有线性关系, 即存
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
若r.v. X与Y独立, 则Cov (X , Y ) = 0, 反之不然!
相关程度与ρ = Corr (X , Y )关系—直观表示
见Page 192.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
相关系数的性质
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
|Corr (X , Y )| = ±1 ⇔ X与Y之间几乎处处有线性关系, 即存
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
若r.v. X与Y独立, 则Cov (X , Y ) = 0, 反之不然!
相关程度与ρ = Corr (X , Y )关系—直观表示
见Page 192.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
相关系数的性质
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
|Corr (X , Y )| = ±1 ⇔ X与Y之间几乎处处有线性关系, 即存
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
若r.v. X与Y独立, 则Cov (X , Y ) = 0, 反之不然!
相关程度与ρ = Corr (X , Y )关系—直观表示
见Page 192.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 多维r.v.函数的数学期望
随机变量的独立性 数学期望与方差的性质
多维r.v.的特征数 协方差
中心极限定理 相关系数
独立与不相关的差异
独立与不相关的差异
1通常, ”独立”并不等同于”不相关”;
”独立”说明两个r.v.之间既无线性关系,又无非线性关系. 结
论: ”独立”必然导致”不相关”;
2
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
与 独立
Corr (X , Y ) = ρ
⇔ρ=0
与 不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y