参数估计与矩阵运算基础
ps: 个人笔记 根据视频和PDF学习
1 期望
离散型:
连续型:
即:概率加权下的“平均值”
期望的性质
无条件成立
若X和Y相互独立
反之不成立。事实上,若E(XY)=E(X)E(Y),只能说明X和Y不相关。关于不相关和独立的区别,稍后马上给出。
2 方差
定义
无条件成立
X和Y独立
才可以成立。
此外,方差的平方根,称为标准差
3 协方差
定义
性质:
协方差和独立、不相关
X和Y独立时,
而
从而,当X和Y独立时,
但X和Y独立这个前提太强,我们定义:若Cov(X,Y)=0,称X和Y不相关。因为独立时,肯定协方差为0;但是协方差为0,并不一定独立,所以提出不相关的概念。
协方差的意义
协方差是两个随机变量具有相同方向变化趋势的度量;
若Cov(X,Y)>0,它们的变化趋势相同,
若Cov(X,Y)<0,它们的变化趋势相反;
若Cov(X,Y)=0,称X和Y不相关。
思考:两个随机变量的协方差,是否有上界?
协方差的上界
若
则
当且仅当X和Y之间有线性关系时,等号成立。
再谈独立与不相关
因为上述定理的保证,使得“不相关”事实上即“ 线性独立 ”。即:若X与Y不相关,说明X与Y之间 没有线性关系(但有可能存在其他函数关系) ,不能保证X和Y相互独立。PS:紧紧是线性独立。
⭐但对于二维正态随机变量,X与Y不相关等价于X与Y相互独立。
4 相关系数
定义
由协方差上界定理可知,
容易看到,相关系数是标准尺度下的协方差。上面关于协方差与XY相互关系的结论,完全适用于相关系数和XY的相互关系。