期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为
从直观上来看,协方差表示的是
两个变量总体误差的期望。
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
自身的期望值时
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
其中一个变量大于自身的期望值时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,因为两个独立的随机变量满足
E[
XY]=
E[
X]
E[
Y]。
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。
重要!!!若两个随机变量X和Y相互独立,则E[(X-E(X))(Y-E(Y))]=0,因而若上述数学期望不为零,则X和Y必不是相互独立的,亦即它们之间存在着一定的关系。
分别为m与n个标量元素的列向量随机变量X与Y,这两个变量之间的协方差定义为m×n矩阵.其中X包含变量X1.X2......Xm,Y包含变量Y1.Y2......Yn,假设X1的期望值为μ1,Y2的期望值为v2,那么在协方差矩阵中(1,2)的元素就是X1和Y2的协方差。