当前课程知识点:概率论与数理统计 >  第九周 协方差与相关系数 >  相关系数 >  9.3 相关系数

返回《概率论与数理统计》慕课在线视频课程列表

9.3 相关系数在线视频

9.3 相关系数

下一节:9.4 相关与独立

返回《概率论与数理统计》慕课在线视频列表

9.3 相关系数课程教案、知识点、字幕

二元随机变量X,Y

若它们的方差均不为0

则X,Y的相关系数定义为X,Y的协方差

除以X的标准差和Y的标准差的乘积

相关系数的符号常用Corr表示

是英文单词相关correalation的缩写

将随机变量X和Y

分别除以各自的标准差

得到两个方差均为1的随机变量

sigma_x分之X和sigma_y分之Y

X,Y的相关系数

即为sigma_x分之X

和sigma_y分之Y的协方差

也就是说相关系数是将

随机变量做方差为1的标准化后的协方差

这就尽可能消除了上一节课最后

提到的X,Y绝对大小变化

对相关性刻画的影响

而且按照这种方式定义的相关系数

取值一定在负1和正1之间

我们下面就证明这一性质

首先证明一个定理

随机变量X,Y的协方差的平方

小于等于X,Y的方差的乘积

对任意的实数t

计算t乘X加Y的方差

等于X的方差乘以t平方

加上2倍的X,Y的协方差乘以t

加上Y的方差

而随机变量的方差一定大于等于0

所以这个关于t的二次函数式

一定大于等于0

而二次函数ax方加bx加c大于等于0

则其根的判别式

b平方减4ac小于等于0

所以 由t乘X加Y的方差得到的

关于变量t的二次函数式大于等于0

就得到其判别式一定小于等于0

也就是2倍的X,Y的协方差的平方

减去4倍的X的方差

乘以Y的方差小于等于0

即得到结论

随机变量X,Y的协方差的平方

小于等于X,Y的方差的乘积

X,Y的方差的乘积

也可表示为X,Y标准差平方的乘积

定理“随机变量X,Y的协方差的平方

小于等于X,Y的标准差平方的乘积”

意味着若随机变量X,Y的方差均不为0

则X,Y的协方差除以

标准差的乘积的绝对值小于等于1

也就是X,Y的相关系数的绝对值

小于等于1

所以相关系数一定大于等于负1

小于等于1

当X,Y的相关系数大于0时

称随机变量X,Y正相关

当X,Y的相关系数小于0时

称随机变量X,Y负相关

当X,Y的相关系数等于0时

称随机变量X,Y不相关

随机变量和常数a的协方差为0

所以随机变量和常数a的相关系数为0

随机变量X,Y的相关系数

也满足交换律

X,Y的相关系数

等于Y,X的相关系数

c1X加a与c2Y加b的相关系数

有三种可能

当c1与c2同号

也就是c1乘c2大于0时

就等于X,Y的相关系数

当c1与c2异号

也就是c1乘c2小于0时

等于负的X,Y的相关系数

当c1与c2至少有1个为0时

相当于随机变量与常数的相关系数等于0

当c1与c2均不为0时

推导一下第3个性质

利用定义计算c1X加a

与c2Y加b的相关系数

c1X加a与c2Y加b的协方差

等于c1乘c2乘X,Y的协方差

而c1X加a和c2Y加b的方差

分别等于c1平方乘X的方差

c2平方乘Y的方差

开平方等于c1绝对值乘以X的标准差

乘以c2的绝对值乘以Y的标准差

即等于c1乘c2的绝对值分之c1乘c2

再乘以X,Y的相关系数

即得到相关系数的第3条性质

X为0,1区间上的均匀分布随机变量

若Y等于X的平方

求X,Y的相关系数

由均匀分布的数学期望

与方差的结论知

X的期望为2分之1方差为12分之1

而X的n阶原点矩也容易算出

等于n+1分之1

所以得到Y的期望等于X平方的期望

等于3分之1

Y平方的期望等于X四次方的期望

等于5分之1

所以Y的方差等于Y的平方的期望

减去Y的期望的平方等于45分之4

用定义计算X,Y的相关系数

分子部分X,Y的协方差

等于XY的期望减去X、Y期望的乘积

而XY的期望就等于X立方的期望

代入每一个期望和方差的具体数值

得到X,Y的相关系数等于4分之根号15

约等于0.968

表明X和X方有很强的相关性

计算参数为mu1,mu2,sigma1方,sigma2方

和pho的二维正态随机变量X,Y的相关系数

考虑X,Y的联合密度函数

令X1等于X减mu1

Y1等于Y减mu2

则可得到X1,Y1的联合密度函数表达式

所以X1,Y1服从参数为0,0,sigma1方

sigma2方和pho的二维正态分布

而根据例8.4.2

随机变量X1,Y1乘积的期望

等于pho乘sigma1乘sigma2

则X1,Y1的协方差等于

X1,Y1乘积的期望

减去X1与Y1期望的乘积

因为X1,Y1的期望均为0

所以X1,Y1的协方差就等于

pho乘sigma1乘sigma2

X,Y的相关系数

等于X减mu1与Y减mu2的相关系数

等于X1与Y1的相关系数 等于pho

所以二维正态分布的5个参数

都有明确的概率意义

mu1, mu2为X,Y的期望

sigma1方和sigma2方为X,Y的方差

而pho则为X,Y的相关系数

概率论与数理统计课程列表:

第一周:随机事件及其概率运算

-随机试验与随机事件

--1.1 随机试验与随机事件

-古典概型

--1.2 古典概型

--第一周:古典概型

-事件间的关系与事件的运算

--1.3 事件间的关系与事件的运算

--第一周:事件间的关系与事件的运算

-两个著名的例子

--1.4 两个著名的例子

--第一周:两个著名的例子

-讲义

第二周:条件概率和独立性

-条件概率

--2.1 条件概率

--第二周:条件概率

-有关条件概率的三个重要计算公式

--2.2 条件概率的三个重要计算公式

--第二周:有关条件概率的三个重要计算公式

-事件的独立性

--2.3 事件的独立性

--第二周:事件的独立性

-应用实例

--2.4 应用实例

--第二周:应用实例

-网球比赛胜率的计算

--Video

-讲义

第三周:随机变量

-随机变量及分布函数

--3.1.随机变量及分布函数

--第三周:随机变量及分布函数

-离散型与连续型随机变量

--3.2 离散型随机变量

--第三周:离散型与连续型随机变量

-分布函数的性质与特殊的例子

--3.3 分布函数的性质与特殊的例子

--第三周:分布函数的性质与特殊的例子

-概率论所需微积分要点回顾

--3.4 概率论所需微积分要点回顾

--第三周:概率论所需微积分要点回顾

-讲义

第四周:常见随机变量

-二项分布与负二项分布

--4.1 二项分布与负二项分布

--第四周:二项分布与负二项分布

-泊松分布

--4.2 泊松分布

--第四周:泊松分布

-几何分布与指数分布

--4.3 几何分布与指数分布

--第四周:几何分布与指数分布

-正态分布

--4.4 正态分布

--第四周:正态分布

-讲义

第五周:随机变量函数的分布及随机变量的数字特征

-随机变量函数的分布

--5.1 随机变量函数的分布

--第五周:随机变量函数的分布

-随机变量的数学期望

--5.2 随机变量的数学期望

--第五周:随机变量的数学期望

-随机变量的方差

--5.3 随机变量的方差

--第五周:随机变量的方差

-原点矩与中心矩

--5.4 原点矩与中心矩

--第五周:原点矩与中心矩

-期望和方差的一些补充性质

--5.5 期望和方差的一些补充性质

--第五周:期望和方差的一些补充性质

-讲义

第六周:常见随机变量的期望方差和应用实例

-二项分布与泊松分布的期望与方差

--6.1二项分布与泊松分布的期望与方差

--第六周:二项分布与泊松分布的期望与方差

-几何分布的期望与方差

--6.2 几何分布的期望与方差

--第六周:几何分布的期望与方差

-均匀、指数和正态分布的期望与方差

--6.3 均匀、指数和正态分布的期望与方差

--第六周:均匀、指数和正态分布的期望与方差

-随机变量数学期望的应用实例

--6.4 随机变量数学期望的应用实例

--第六周:随机变量数学期望的应用实例

-快速排序算法的平均计算量分析

--Video

-讲义

第七周:多维随机变量,独立性

-多维随机变量

--7.1. 多维随机变量

-第七周:多维随机变量

-常见多维随机变量举例

--7.2. 常见多维随机变量举例

--第七周:常见多维随机变量举例

-随机变量的独立性

--7.3 随机变量的独立性

--第七周:随机变量的独立性

-独立随机变量期望和方差的性质

--7.4 独立随机变量期望和方差的性质

--第七周:独立随机变量期望和方差的性质

-讲义

第八周:条件分布与条件期望

-条件分布

--8.1条件分布

--第八周:条件分布

-条件期望

--8.2 条件期望

--第八周:条件期望

-全期望公式(上)

--8.3 全期望公式(上)

--第八周:全期望公式(上)

-全期望公式(下)

--8.4 全期望公式(下)

--第八周:全期望公式(下)

-讲义

第九周 协方差与相关系数

-随机变量函数的期望

--9.1. 随机变量函数的期望

--第九周:随机变量函数的期望

-协方差

--9.2 协方差

--第九周:协方差

-相关系数

-- 9.3 相关系数

--第九周:相关系数

-相关与独立

--9.4 相关与独立

--第九周:相关与独立

-讲义

第十周 独立随机变量和的分布与顺序统计量

-独立随机变量和的分布

--10.1. 独立随机变量和的分布

--第十周:独立随机变量和的分布

-独立正态分布和的分布

--10.2 独立正态分布和的分布

--第十周:独立正态分布和的分布

-最大值、最小值分布

--10.3 最大值、最小值分布

--第十周:最大值、最小值分布

-顺序统计量

--10.4 顺序统计量

--第十周:顺序统计量

-讲义

第十一周 正态分布专题

-正态分布的相关与独立

--11.1 正态分布的相关与独立

--第十一周:正态分布的相关与独立

-边缘密度均为正态,联合分布不是二元正态的例子

--11.2 边缘密度均为正态,联合分布不是二元正态的例子

--第十一周:边缘密度均为正态,联合分布不是二元正态的例子

-二项分布的正态近似

--11.3 二项分布的正态近似

--第十一周:二项分布的正态近似

-正态近似计算实例

--11.4 正态近似计算实例

--第十一周:正态近似计算实例

-讲义

第十二周 大数定律和中心极限定理

-大数定律

--12.1大数定律

--第十二周:大数定律

-中心极限定理

--12.2 中心极限定理

--第十二周:中心极限定理

-蒙特卡洛(Monte Carlo)算法

--12.3 蒙特卡洛(Monte Carlo)算法

-伪随机数和随机模拟

--12.4 伪随机数和随机模拟

-讲义

第十三周 统计学基本概念

-统计学实例

--13.1 统计学实例

-总体与样本

--13.2.总体与样本

-常用统计量

--13.3 常用统计量

--第十三周:常用统计量

-三种重要的统计分布和分位数

--13.4 三种重要的统计分布和分位数

--第十三周:三种重要的统计分布和分位数

-讲义

第十四周 参数点估计

-参数的矩估计

--14.1参数的矩估计法

--第十四周:参数的矩估计

-参数的极大似然估计

--14.2参数的极大似然估计法

--第十四周:参数的极大似然估计

-参数点估计的无偏性和有效性

--14.3 参数点估计的无偏性和有效性

--第十四周:参数点估计的无偏性和有效性

-参数点估计应用实例

--14.4 参数点估计应用实例

--第十四周:参数点估计应用实例

-讲义

第十五周 参数的区间估计

-区间估计的基本思想

--15.1 区间估计的基本思想

--第十五周:区间估计的基本思想

-区间估计的构造方法

--15.2 区间估计的构造方法

--第十五周:区间估计的构造方法

-两个正态总体的区间估计

--15.3 两个正态总体的区间估计

--第十五周:两个正态总体的区间估计

-大样本置信区间

--15.4 大样本置信区间

--第十五周:大样本置信区间

-讲义

第十六周 假设检验

-假设检验问题的提示和标准步骤

--16.1假设检验问题的提示和标准步骤

--第十六周:假设检验问题的提示和标准步骤

-假设检验问题的两类错误和P值

--16.2假设检验问题的两类错误和P值

--第十六周:假设检验问题的两类错误和P值

-单个正态总体参数的假设检验

--16.3 单个正态总体参数的假设检验

--第十六周:单个正态总体参数的假设检验

-拟合优度检验

--16.4拟合优度检验

--第十六周:拟合优度检验

-讲义

应用实例

-利用条件概率计算网球比赛胜率

--利用条件概率计算网球比赛胜率

-利用期望的计算性质分析快速排序算法的平均计算量

--利用期望的计算性质分析快速排序算法的平均计算量

-讲义

习题课一

-事件

--事件

-分布函数

--分布函数

-正态

--正态

-指数与二项

--指数与二项

习题课二

-随机变量函数的分布

--随机变量函数的分布

-指数分布期望

--指数分布期望

-切比雪夫不等式

--切比雪夫

-二元离散

--二元离散

-协方差

--协方差

-二元特征

--二元特征

习题课三

-统计量

--统计量

-无偏估计

--无偏估计

-点估计

--点估计

-假设检验

--假设检验

习题课四

-选择

--选择

-填空

--填空

-大题

--大题

9.3 相关系数笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。