第四章 随机变量的数字特征之协方差与相关系数

 

在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。

期望值分别为E(X) = μ 与 E(Y) = ν 的两个实数随机变量X与Y之间的协方差定义为：

　　COV(X，Y)=E[(X-E(X))(Y-E(Y))]

       如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。

　　如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

　　如果X与Y是统计独立的，那么二者之间的协方差就是0。

　　但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。

 

----------------------------------------------------------------------------------------------------------------

 

协方差虽然一定程度上描述了两变量的相关性，但协方差是具有量纲的量。

相关系数是一种与量纲无关的，描述随机变量之间的相关性的数字特征。

若随机变量XY的期望与方差都存在，称：

为XY的相关系数。

 

　(1)；

(2)定理： | ρ_XY | = 1的充要条件是，存在常数a，b，使得；

　　相关系数ρ_XY取值在-1到1之问，ρ_XY = 0时，

　　称X,Y不相关； | ρ_XY | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系； | ρ_XY | < 1时，X的变动引起Y的部分变动，ρ_XY的绝对值越大，X的变动引起Y的变动就越大， | ρ_XY | > 0.8时称为高度相关，当，即 | ρ_XY | < 0.3时，称为低度相关，其他为中度相关。