由 均 值 方 差 的 性 质 , Z = x − μ σ 2 , 则 E ( z ) = 0 , v a r ( z ) = 1 由均值方差的性质,Z=\frac{x- μ}{\sqrt{σ^2}},则E(z)=0,var(z)=1 由均值方差的性质,Z=σ2x−μ,则E(z)=0,var(z)=1
关键词:独立 独立同分布 不相关
独立
P
(
A
∗
B
)
=
P
(
A
)
∗
P
(
B
)
二
维
:
p
i
j
=
p
i
⋅
∗
p
⋅
j
P(A*B)=P(A)*P(B)\\ 二维:p_{ij}=p_{i·}*p_{·j}
P(A∗B)=P(A)∗P(B)二维:pij=pi⋅∗p⋅j
(
独
立
与
相
容
:
互
不
相
融
A
B
=
Φ
)
\tiny ( 独立与相容:互不相融 AB=Φ )
(独立与相容:互不相融AB=Φ)
不相关
不 相 关 性 质 : E ( X , Y ) = E ( X ) E ( Y ) 不相关性质:E(X,Y)=E(X)E(Y) 不相关性质:E(X,Y)=E(X)E(Y)
相 关 与 斜 方 差 C o v : ρ x y = C o v ( x , y ) v a r ( x ) v a r ( y ) ∑ ( x t − x ˉ ) ( y t − y ˉ ) ∑ ( x t − x ˉ ) 2 ∑ ( y t − y ˉ ) 2 = ( x t − x ˉ → ) ⋅ ( y t − y ˉ → ) ∣ x t − x ˉ → ∣ ⋅ ∣ y t − y ˉ → ∣ 去 均 值 内 积 相关与斜方差Cov:\\ \rho_{xy}=\frac{Cov(x,y)}{\sqrt{var(x)var(y)}} \\ \frac{\sum(x_t-\bar x)(y_t-\bar y)}{\sum(x_t-\bar x)^2\sum(y_t-\bar y)^2}= \frac{(\overrightarrow{x_t-\bar x} ) \cdot (\overrightarrow{y_t-\bar y})}{|\overrightarrow{x_t-\bar x}|\cdot |\overrightarrow{y_t-\bar y}|} \color{red}去均值内积 相关与斜方差Cov:ρxy=var(x)var(y)Cov(x,y)∑(xt−xˉ)2∑(yt−yˉ)2∑(xt−xˉ)(yt−yˉ)=∣xt−xˉ∣⋅∣yt−yˉ∣(xt−xˉ)⋅(yt−yˉ)去均值内积
性质(类比向量的点乘):
( 1 ) C o v ( X , Y ) = C o v ( Y , X ) ; ( 2 ) C o v ( a X , b Y ) = a b C o v ( X , Y ) , ( a , b 是 常 数 ) ; ( 3 ) C o v ( X 1 + X 2 , Y ) = C o v ( X 1 , Y ) + C o v ( X 2 , Y ) 。 所 以 有 : C o v ( X + Y , X − Y ) = C o v ( X , X ) − C o v ( Y , Y ) \tiny(1)Cov(X,Y)=Cov(Y,X);\\ (2)Cov(aX,bY)=abCov(X,Y),(a,b是常数);\\ (3)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)。\\ 所以有: Cov(X+Y,X-Y)=Cov(X,X)-Cov(Y,Y) (1)Cov(X,Y)=Cov(Y,X);(2)Cov(aX,bY)=abCov(X,Y),(a,b是常数);(3)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)。所以有:Cov(X+Y,X−Y)=Cov(X,X)−Cov(Y,Y)
计算(类比方差):
C o v ( X , Y ) = E ( X Y ) − E ( X ) E ( Y ) D ( X + Y ) = D ( X ) + D ( Y ) + 2 C o v ( X , Y ) D ( X − Y ) = D ( X ) + D ( Y ) − 2 C o v ( X , Y ) \tiny Cov(X,Y)=E(XY)-E(X)E(Y) \\ D(X+Y)=D(X)+D(Y)+2Cov(X,Y) \\ D(X-Y)=D(X)+D(Y)-2Cov(X,Y) \\ Cov(X,Y)=E(XY)−E(X)E(Y)D(X+Y)=D(X)+D(Y)+2Cov(X,Y)D(X−Y)=D(X)+D(Y)−2Cov(X,Y)
正交
正
交
性
质
:
E
(
X
,
Y
)
=
E
(
X
)
E
(
Y
)
=
0
正交性质:E(X,Y)=E(X)E(Y)=0
正交性质:E(X,Y)=E(X)E(Y)=0
X
,
Y
不
相
关
+
有
一
个
均
值
为
0
=
正
交
X,Y不相关+有一个均值为0=正交
X,Y不相关+有一个均值为0=正交
例 : X , Y 服 从 单 位 圆 内 的 均 匀 分 布 , 不 相 关 , 不 独 立 \color{red} 例:X,Y服从单位圆内的均匀分布,不相关,不独立 例:X,Y服从单位圆内的均匀分布,不相关,不独立