概率论复习——如何理解Cov(X,X)=D(X)

芮之凡

已于 2023-11-25 15:41:37 修改

阅读量6k

点赞数 11

文章标签：概率论

于 2023-11-24 23:16:49 首次发布

本文链接：https://blog.csdn.net/ruichuang2/article/details/134608490

版权

$Cov(X,Y)=E\{[X-E(X)][Y-E(Y)]\}=E(XY)-E(X)E(Y)$

$Cov(X,X)=E\{[X-E(X)][X-E(X)]\}=E(X^2)-[E(X)]^2=D(X)$

1.问题点

Cov(X,Y)反映的是X与Y之间的相关性。X相比于E(X)的变化和Y相比于E(Y)的变化是否一致，即符号是否相同，最后取一个期望，得到整体X与Y之间的相关性。Cov(X,Y)>0表示X相比于均值E(X)的变化趋势和Y相比于E(Y)的变化趋势相似，X与Y正相关；Cov(X,Y)<0，X与Y负相关。

照这样理解，那么Cov(X,X)应该也是衡量X与X之间的相关性。但是结果为什么是D(X)呢？我们知道，D(X)反映的是X相比于E(X)的波动情况。怎么会和相关性扯上关系呢？

2.解答

Cov(X,X)=D(X)也可以看作X与X之间的相关性，即正相关，因为 $D(X)=\sigma^2\geqslant 0$ 。而且D(X)的值越大，说明正相关的程度越大，也就是一个X的变化非常剧烈，但是另一个X和它居然变化保持一致，说明他们之间的相关性很大。也就是说，D(X)除了能够反应X的波动性之外，还能够在一定程度上反应X与自身的相关性。