二维随机变量函数g(X,Y)的数学期望:
g(X,Y)=X
离散场,E(g(X,Y))=Sum(Sum(g(xi,yj)*P(X=xi,Y=yj)))
连续场,E(g(X,Y))=积分符 积分符 g(xi,yj)*p(x,y) dx dy
g(X,Y)=(X-E(X))^2
离散场,E(g(X,Y))=Sum(Sum(g(xi,yj)*P(X=xi,Y=yj)))
连续场,E(g(X,Y))=积分符 积分符 g(xi,yj)*p(x,y) dx dy
= 积分符 g(xi,yj)*px(x) dx
期望与方差的运算性质:
E(X1+X2+…+Xn)=E(X1)+…+E(Xn)
随机变量X,Y相互独立,则E(XY)=E(X)*E(Y),Var(X加减Y)= Var(X)+Var(Y)
协方差:
(X,Y)是一个二维随机变量,若E((X-E(X))(Y-E(Y)))存在
则称其数学期望为X和Y的协方差(或相关(中心)矩)
记为Cov(X,Y)= E((X-E(X))(Y-E(Y))),特别Var(X,X)= Cov(X,X)
Cov(X,Y)>0,正相关(线性)
Cov(X,Y)<0,负相关(线性)
Cov(X,Y)=0,不相关(线性)
Cov(X,Y)= E((X-E(X))*(Y-E(Y)))
=E(XY+E(X)E(Y)-XE(Y)-E(X)Y)
= E(XY)-E(X)E(Y)
X,Y相互独立,Cov(X,Y)=0
Var(X加减Y)= E(((X加减Y)-E((X加减Y)))^2)
= E(((X-E(X))加减(Y-E(Y)))^2)
= (X-E(X))2加(Y-E(Y))2加减2* (X-E(X))* (Y-E(Y))
=Var(X)+Var(Y)加减2*Cov(X,Y)
Cov(X,Y)=Cov(Y,X)
Cov(X,常数c)=0
Cov(aX,bY)=ab*Cov(X,Y)
Cov(X+Y,Z)= Cov(X,Z)+ Cov(Y,Z)
(线性相关系数)相关系数Corr:
Corr(X,Y)= Cov(X,Y) / sqrt(Var(x)*Var(Y))
分母为sqrt(Var(x)*Var(Y)),一是为了消除量纲的差异,二是单位化
| Corr(X,Y) |<=1(施瓦茨不等式)
Corr(X,Y)>0,正相关
Corr(X,Y)<0,负相关
Corr(X,Y)=0,不相关
Corr(X,Y)=1,几乎正线性相关
Corr(X,Y)=-1,几乎负线性相关
普通随机变量Corr(X,Y)=0不等价于X,Y独立
二维正态随机变量Corr(X,Y)=0等价于X,Y独立
协方差矩阵:
n元正态分布: