定义3.5 (X,Y)是二维随机变量,如果E[(X-E(X))(Y-E(Y))]存在,则称其为随机变量X与Y的协方差,记作cov(X,Y),即
cov(X,Y)=E[(X-E(X))(Y-E(Y))]
从协方差的定义可知,它是X的偏差“X-E(X)”与Y的偏差“Y-E(Y)”乘积的数学期望.由于偏差可正可负,故协方差也可正可负,也可以为零,其具体表现如下:
(1)当cov(X,Y)>0时,两个偏差X-E(X)与Y-E(Y)有同时增加或同时减少的倾向,这时称X与Y正相关;
(2)当cov(X,Y)<0时,两个偏差有X增加而Y减少,或者X减少而Y增加的倾向,这时称X与Y负相关;
(3)当cov(X,Y)=0时,可能由两类情况导致:一类是X与Y的取值毫无关联,另一类是X与Y之间存在某种非线性关系.这时称X与Y不相关.
根据定义可知协方差的性质.
性质1 cov(X,Y)=E(XY)-E(X)E(Y)
证明 由协方差的定义和数学期望的性质可知
cov(X,Y)=E[XY-XE(Y)-YE(X)+E(X)E(Y)]
=E(XY)-E(X)E(Y)
性质2 D(X±Y)=D(X)+D(Y)±2cov(X,Y)
证明 由方差的定义可知
D(X±Y)=E[(X±Y)-E(X±Y)]2
=E[(X-E(X))±(Y-E(Y))]2
=E[(X-E(X))2+(Y-E(Y))2±2(X-E(X))(Y-E(Y))]
=D(X)+D(Y)±2cov(X,Y)(www.xing528.com)
这两个性质在协方差的计算中非常有用.
关于协方差的性质还有以下几条.
性质3 协方差cov(X,Y)的计算与X,Y次序无关,即
cov(X,Y)=cov(Y,X)
性质4 任意随机变量X与常数C的协方差为零.即
cov(X,C)=0
性质5 对任意常数a,b,有
cov(aX,bY)=abcov(X,Y)
性质6 设X,Y,Z是任意三个随机变量,则
cov(X+Y,Z)=cov(X,Z)+cov(Y,Z)
性质7 若随机变量X,Y相互独立,则
cov(X,Y)=0
【例1】 设二维随机变量(X,Y)的联合密度函数为
试求cov(X,Y).
由此我们还可以得出X与Y不相互独立.
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。