文档介绍:-
. z.
§2 方差、协方差与相关系数
比较甲乙两人的射击技术,两人每次击中环数分布为:
::.
问哪一个技术较好.
首先看两人平均击中环数,此时,从均值变量ξ的期望与方差都存在,. 令
,
称它为随机变量ξ的标准化. 求与Var.
解 由均值与方差的性质可知
,
.
数学期望和方差反映了随机变量的分布特征. 对于随机向量, 除去各分量的期望和方差外,还有表示各分量间相互关系的数字特征—协方差.
定义2 记和的联合分布函数为.
假设,就称
(8)
为的协方差( covariance),记作Cov().
显然, .公式(6)可改写为
Var()+2.
-
. z.
容易验证,协方差有如下性质:
性质1 Cov() = Cov().
性质2 设是常数,则
.
性质3.
对于n维随机向量ξ=,可写出它的协方差阵
,(9)
其中.
由性质1可知B是一个对称阵,且对任何实数,, 二次型
,
即随机向量ξ的协方差阵B是非负定的.
性质4 设
ξ= , C=,
则的协方差阵为,其中B是ξ的协方差阵.
因为,所以的第元素就是的第i元素与第j元素的协方差.
协方差虽在*种意义上表示了两个随机变量间的关系,但的取值大小与ξ,的量纲有关. 为防止这一点,用ξ,的标准化随机变量〔见例7〕来讨论.
定义3 称
(10)
-
. z.
为ξ,的相关系数(correlation coefficient).
为了讨论相关系数的意义,先看一个重要的不等式.
柯西—许瓦茨(Cauchy—Schwarz)不等式 对任意随机变量ξ,有
. (11)
等式成立当且仅当存在常数使
. (12)
证 对任意实数
是的二次非负多项式,所以它的判别式
,
证得(11)式成立. (11)式中等式成立当且仅当多项式有重根,即
.
又由(3)
,
故得,同时有. 所以由方差的性质1就证得,此即 (12)式.
由此即可得相关系数的一个重要性质.
性质1 对相关系数有
. (13)
=1当且仅当
;
=-1当且仅当
. (14)
证 由(11)式得
,
-
. z.
证得(13)式成立. 证明第二个结论. 由定义. 由柯西-许瓦兹不等式的证明可知, 等价于=有重根=因此由(12)式得当且仅当;当且仅当.
注 性质1说明相关系数时,ξ与以概率1存在着线性关系. 另一个极端是= 0,此时我们称ξ与不相关(uncorrected).
性质2 对随机变量ξ和, 以下事实等价:
(1) Cov(ξ,)=0; (2) ξ与不相关;
(3) ; (4) .
证 显然(1)与(2)等价. 又由协方差的性质1得(1)与(3)等价. 再由式,得(1)与(4)等价.
性质3 假设ξ与独立,则ξ与不相关.
显然, 由ξ与η独立知(3)成立,从而ξ与不相关.
但其逆不真.
例8 设随机变量θ服从均匀分布U [0, ],ξ=,,显然, 故ξ与不独立. 但
,
,
,
故,即ξ与不相关.
注 性质2不能推广到个随机变量情形. 事实上从个随机变量两两不相关只能推得
-
. z.
,不能推得. 反之,从这两个等式也不能推得两两不相关. 具体例子不列出了. 对于性质3, 在正态分布情形,独立与不相关是一致的,这将在下面进展讨论.
例9 设(ξ,)服从二元正态分布, 试求和.
解
,
令, , 则,,
于是
=·
+
= 0+r.
故得
.
这就是说二元正态分布中参数r就是ξ,的相关系数. 所以对二元正态分布,ξ、不相关等价于r = 0. 但在第二章已证ξ与相互独立等价于r = 0. 这样我们有
性质4 对二元正态分布,两个分量不相关与相互独立是等价的.