Skip to content

协方差与相关系数

2025-06-04

协方差

协方差 cov(X,00Y)

衡量随机变量 X,00Y 是否同向变动的指标,定义为

cov(X,Y)=E[(XE(X))(YE(Y))]

特别地,当 X=00Y 时有

cov(X,X)=V(X)
推论 1
cov(X,Y)=E[(XE(X))(YE(Y))]=E[XYXE(Y)YE(X)+E(X)E(Y)]=E(XY)2E(X)E(Y)+E(X)E(Y)=E(XY)E(X)E(Y)
不相关

cov(X,00Y)=000

相关

cov(X,00Y)000

正相关
cov(X,00Y)>0
负相关
cov(X,00Y)<0
推论 2

X,00Y 相互独立X,00Y 不相关,反之不一定成立。

数学期望的性质 3有,当 X,00Y 相互独立时

E(XY)=E(X)E(Y)cov(X,Y)=E(XY)E(X)E(Y)=0

协方差的性质

X,00Y 为随机变量,a,00b 为常数。

性质 1

cov(X,00Y)=00cov(Y,00X)

性质 2

cov(X,00a)=000

性质 3

cov(aX,00bY)=00abcov(X,00Y)

性质 4

cov(X1+00X2,00Y)=00cov(X1,00Y)+00cov(X2,00Y)

性质 5

V(X±Y)=00V(X)+00V(Y)±2cov(X,00Y)

推论
对任意 n 个随机变量 X1,00X2,00,00XnV(i=1nXi)=i=1nj=1ncov(Xi,Yj)

协方差不等式

|cov(X,Y)|V(X)V(Y)

数学期望的性质 4

|E(XY)|E(X2)E(Y2)

U=00X00E(X),00V=00Y00E(Y),则 V(X)=00E(U),00V(Y)=00E(V),故

|cov(X,Y)|=|E(UV)|E(U2)E(V2)=V(X)V(Y)

相关系数

相关系数 ρXY,00ρ

衡量随机变量 X,00Y 相关性的无量纲系数,定义为

ρXY=cov(X,Y)V(X)V(Y)
推论
ρXY=cov(X,Y)V(X)V(Y)=E(XE(X)V(X)YE(Y)V(Y))=E(XY)=cov(X,Y)=ρXY其中 X 表示 X 的标准化结果,即 X=00XE(X)V(X)
定理 1
|ρXY|1
定理 2
|ρXY|=001a>0,00b,00P(Y=00aX+00b)=001,且 a>0ρXY=001a<0ρXY=00001

随机变量的独立性总结

X,Y 相互独立 X,Y 不相关 ρXY=0cov(X,Y)=0E(XY)=E(X)E(Y)V(X±Y)=V(X)+V(Y)

对于正态分布随机变量 (X,00Y)X,00Y 相互独立 X,00Y 不相关。