6.0 KiB
题型五:协方差与相关系数
识别特征
- 题干涉及
\text{Cov}(X,Y)或\rho_{XY} - 要求计算协方差或相关系数
- 利用性质:
\text{Cov}(aX+b, cY+d) = ac \cdot \text{Cov}(X,Y)
解题流程
flowchart TD
A[识别:Cov 或 ρ] --> B{已知联合密度?}
B -->|是| C["Cov X,Y = ∬ x-E X y-E Y f x,y dxdy"]
B -->|否| D["Cov X,Y = E XY - E X E Y"]
C --> E[计算 E XY 和 E X E Y]
D --> E
E --> F{求相关系数?}
F -->|是| G["ρ = Cov / σ_X σ_Y"]
F -->|否| H[得 Cov X,Y]
通法步骤
一、协方差的定义与等价公式
定义:
\text{Cov}(X,Y) = E[(X - E(X))(Y - E(Y))]
等价公式(计算首选):
\boxed{\text{Cov}(X,Y) = E(XY) - E(X) E(Y)}
极简例子:
X, Y独立时 $E(XY) = E(X)E(Y)$,故\text{Cov}=0
二、相关系数 \rho_{XY}
定义(标准化协方差):
\rho_{XY} = \frac{\text{Cov}(X,Y)}{\sqrt{D(X)} \sqrt{D(Y)}} = \frac{\text{Cov}(X,Y)}{\sigma_X \sigma_Y}
性质:
- $-1 \le \rho_{XY} \le 1$(Cauchy-Schwarz 不等式)
\rho_{XY} = 0\iffX, Y不相关|\rho_{XY}| = 1\iff\exists a \ne 0, b使得P(Y = aX+b) = 1|\rho_{XY}|越大,X, Y线性关系越强
三、协方差的性质 ⭐
| 性质 | 公式 |
|---|---|
| 自身 | \text{Cov}(X,X) = D(X) |
| 对称 | \text{Cov}(X,Y) = \text{Cov}(Y,X) |
| 伸缩 | \text{Cov}(aX, bY) = ab \cdot \text{Cov}(X,Y) |
| 平移 | $\text{Cov}(aX+b, cY+d) = ac \cdot \text{Cov}(X,Y)$(常数消失) |
| 分配律 | \text{Cov}(X_1+X_2, Y) = \text{Cov}(X_1,Y) + \text{Cov}(X_2,Y) |
| 与方差 | D(X \pm Y) = D(X) + D(Y) \pm 2\text{Cov}(X,Y) |
四、计算路径
路径 A:已知联合密度 f(x,y)
\text{Cov}(X,Y) = \iint (x-\mu_X)(y-\mu_Y) f(x,y) dxdy
路径 B(更常用):先求 E(X), E(Y), E(XY)
\text{Cov}(X,Y) = E(XY) - E(X) E(Y)
路径 C:利用性质分解
\text{Cov}(aX+b, cY+d) = ac \cdot \text{Cov}(X,Y)
五、相关系数的计算
求 \rho_{XY} 需先算:
- $\text{Cov}(X,Y)$(用上述路径)
D(X) = E(X^2) - E^2(X)D(Y) = E(Y^2) - E^2(Y)\rho_{XY} = \text{Cov}(X,Y) / \sqrt{D(X) D(Y)}
常见陷阱
\rho_{XY}=0不等价独立:除二维正态外,独立是不相关的充分非必要条件- 正态分布的 $\rho$:
(X,Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)的\rho就是\rho_{XY} \rho只测线性:$Y = X^2$($X \sim U(-1,1)$)的 $\rho_{XY}=0$,但有强非线性关系\text{Cov}的伸缩:$\text{Cov}(aX+b, cY+d) = ac \cdot \text{Cov}(X,Y)$,不要忘了系数相乘D(X \pm Y)中的协方差符号:减法对应-2\text{Cov}(X,Y)
经典母题
题目 1:
(X,Y)联合密度 $f(x,y) = \dfrac{1}{8}(x+y), 0 \le x, y \le 2$。求\text{Cov}(X,Y)和 $\rho_{XY}$。
解析:
由对称性 $E(X) = E(Y)$。
求 $E(X)$:边缘密度 f_X(x) = \int_0^2 \frac{1}{8}(x+y) dy = \frac{x+1}{4}
E(X) = \int_0^2 x \cdot \frac{x+1}{4} dx = \frac{1}{4} \left[ \frac{x^3}{3} + \frac{x^2}{2} \right]_0^2 = \frac{1}{4} \left( \frac{8}{3} + 2 \right) = \frac{7}{6}
求 $E(XY)$:
E(XY) = \int_0^2 \int_0^2 xy \cdot \frac{1}{8}(x+y) dy dx
先算内层:$\int_0^2 y(x+y) dy = x \cdot 2 + 8/3 = 2x + 8/3$(再乘 $\frac{1}{8}$,得 $\frac{x}{4} + \frac{1}{3}$)
外层:\int_0^2 xy \cdot \frac{1}{8}(x+y) dx = \int_0^2 \left( \frac{x^2}{4} + \frac{x}{3} \right) x dx = \int_0^2 \left( \frac{x^3}{4} + \frac{x^2}{3} \right) dx
= \frac{1}{4} \cdot 4 + \frac{1}{3} \cdot \frac{8}{3} = 1 + \frac{8}{9} = \frac{17}{9}
Wait, redo carefully:
E(XY) = \int_0^2 \int_0^2 xy \cdot \frac{1}{8}(x+y) dy dx = \frac{1}{8} \int_0^2 \int_0^2 (x^2 y + xy^2) dy dx
外层对 $x$:\int_0^2 (x^2 y + xy^2) dx = \frac{8y}{3} + 2y^2
再对 $y$:\int_0^2 \left(\frac{8y}{3} + 2y^2\right) dy = \frac{16}{3} + \frac{16}{3} = \frac{32}{3}
故 E(XY) = \frac{1}{8} \cdot \frac{32}{3} = \frac{4}{3}
协方差:
\text{Cov}(X,Y) = E(XY) - E(X)E(Y) = \frac{4}{3} - \frac{7}{6} \cdot \frac{7}{6} = \frac{4}{3} - \frac{49}{36} = \frac{48 - 49}{36} = -\frac{1}{36}
复盘:\text{Cov}<0 说明 X, Y 负相关。
题目 2:设 $X \sim N(0,1), Y = X^2$。求 $\rho_{XY}$。
解析:
E(X) = 0, D(X) = 1E(Y) = E(X^2) = 1, D(Y) = E(X^4) - 1 = 3 - 1 = 2- $E(XY) = E(X^3) = 0$(正态的奇数阶原点矩为 0)
\text{Cov}(X,Y) = 0 - 0 \cdot 1 = 0\rho_{XY} = 0
复盘:\rho_{XY} = 0 但 $Y = X^2$(Y 完全由 X 决定)——不相关但不独立的经典反例!
题目 3:$D(X) = 4, D(Y) = 9, \rho_{XY} = 0.5$。求
\text{Cov}(X,Y)和 $D(X+Y)$。
解析:
\text{Cov}(X,Y) = \rho_{XY} \sigma_X \sigma_Y = 0.5 \times 2 \times 3 = 3
D(X+Y) = D(X) + D(Y) + 2\text{Cov}(X,Y) = 4 + 9 + 2 \times 3 = 19
复盘:\rho 是"标准化协方差",已知 \rho 和 \sigma 可还原 $\text{Cov}$。
题目 4:设 $(X,Y) \sim N(0, 0, 1, 1, \rho)$。$Z = X + Y$,$W = X - Y$。求 $\rho_{ZW}$。
解析:
\text{Cov}(Z,W) = \text{Cov}(X+Y, X-Y) = \text{Cov}(X,X) - \text{Cov}(X,Y) + \text{Cov}(Y,X) - \text{Cov}(Y,Y)= D(X) - D(Y) = 1 - 1 = 0
复盘:\text{Cov}(Z,W) = 0 \Rightarrow Z, W 不相关;二维正态下进一步 ⇒ Z, W 独立。
变式 1:
X, Y独立,\text{Cov}(2X+3, 4Y-5) = ?解:$\text{Cov}(2X+3, 4Y-5) = 2 \times 4 \cdot \text{Cov}(X,Y) = 8 \times 0 = 0$。
变式 2:$D(X) = D(Y) = 4, \rho_{XY} = -0.8$,求 $D(2X+3Y)$。
解:$D(2X+3Y) = 4 D(X) + 9 D(Y) + 12 \text{Cov}(X,Y) = 16 + 36 + 12 \times (-0.8) \times 2 \times 2 = 52 - 38.4 = 13.6$。
口诀速记:
- "$\text{Cov}(X,Y) = E(XY) - E(X)E(Y)$"
- "$\rho = \text{Cov} / (\sigma_X \sigma_Y)$"
- "$|\rho| \le 1$,
|\rho|=1⇔ 线性"- "
\rho=0不相关,独立 ⇐ 不相关(一般),独立 ⇔ 不相关(二维正态)"