【概率论基础进阶】随机变量的数字特征-矩、协方差和相关系数

矩

定义：
设$X$是随机变量，如果
$$E(X^k),k=1,2,\cdots$$
存在，则称之为$X$的$k$阶原点矩

设$X$是随机变量，如果
$$E\left\{[X-E(X){]}^k\right\},k=1,2,3,\cdots$$
存在，则称之为$X$的$k$阶中心矩

设$X$和$Y$是两个随机变量，如果
$$E(X^k{Y}^l),k,l=1,2,\cdots$$
存在，则称之为$X$和$Y$的$k+l$阶混合矩

设$X$和$Y$是两个随机变量，如果
$$E\left\{[X-E(X){]}^k[Y-E(Y){]}^l\right\},k,l=1,2,\cdots$$
存在，则称之为$X$和$Y$的$k+l$阶混合中心矩

协方差

定义：对于随机变量$X$和$Y$，如果 E { [ X − E ( X ) ] [ Y − E ( Y ) ] } E \left\{[X-E(X)][Y-E(Y)]\right\} E{ [X−E(X)][Y−E(Y)]}存在，则称之为$X$和$Y$的协方差，记作$\text{cov}(X,Y)$，即
cov ( X , Y ) = E { [ X − E ( X ) ] [ Y − E ( Y ) ] } \text{cov}(X,Y)=E \left\{[X-E(X)][Y-E(Y)]\right\} cov(X,Y)=E{ [X−E(X)][Y−E(Y)]}

计算公式

• $\text{cov}(X,Y)=E(XY)-E(X)E(Y)$
• $D(X\pm Y)=D(X)+D(Y)\pm \text{cov}(X,Y)$

性质

• $\text{cov}(X,Y)=\text{cov}(X,Y)$
• $\text{cov}(aX,bY)=ab\text{cov}(X,Y)$，其中$a,b$是常数
• $\text{cov}(X_1+X_2,Y)=\text{cov}(X_1,Y)+\text{cov}(X_2,Y)$

例1：设随机变量$X_1,X_2,\cdots ,X_n(n>1)$相互独立，均服从正态分布$N(0,{\sigma }^2)$，则$\text{cov}(X_1,\frac{1}{n}\sum _{i=1}^n{X}_i)=()$

注意此处$\begin{array}{r}\frac{1}{n}\sum _{i=1}^n{X}_i\ne E(X)\end{array}$

$$\begin{array}{rl}\text{cov}(X_1,\frac{1}{n}\sum _{i=1}^n{X}_i)& =E(X_1-E{X}_1)(\frac{1}{n}\sum _{i=1}^n{X}_i-\frac{1}{n}\sum _{i=1}^{n}E{X}_i)\\ & =E\left[X_1\left(\frac{1}{n}\sum _{i=1}^n{X}_i\right)\right]\\ & =\frac{1}{n}E(X_1\sum _{i=1}^n{X}_i)\\ & =\frac{1}{n}E(X_1^2+\sum _{i=2}^n{X}_1{X}_i)\\ & =\frac{1}{n}({\sigma }^2+\sum _{i=2}^{n}0)\\ & =\frac{{\sigma }^2}{n}\end{array}$$

例2：箱中装有$6$个球，其中红、白、黑球的个数分别为$1,2,3$个，现从箱中随机地取出$2$个球，记$X$为取出红球的个数，$Y$为取出的白球个数，求$\text{cov}(X,Y)$

$X$