Ковариация⚓︎
Определение⚓︎
Ковариацией cov(X, Y) случайных величин X и Y называется математическое ожидание произведения случайных величин:
X - M(X) и Y - M(Y), то есть:
Бывает удобно вычислять ковариацию случайных величин X и Y по следующей формуле:
которая может быть получена из первой формулы, используя свойства математического ожидания. Перечислим основные свойства Ковариации:
Info
Ковариация случайной величины с самой собой есть её дисперсия
Info
Ковариация симметрична
Info
Если случайные величины X и Y независимы, то:
Info
Постоянный множитель можно выносить за знак ковариации
Info
Ковариация не изменяется, если к одной из случайных величин(или двум сразу) прибавить постоянную величину
Info
Дисперсия суммы/разности случайных величин равна сумме их дисперсий плюс/минус удвоенная ковариация этих случайных величин:
Пример #1⚓︎
Дана корреляционная таблица случайного вектора (X, Y). Требуется вычислить ковариацию cov(X, Y)
Корреляция⚓︎
Коэффициентом корреляции случайных величин X и Y называется число:
Перечислим основные свойства коэффициента корреляции:
Ранее было сказано, что коэффициент корреляции p(X, Y) отражает степень линейной зависимости между двумя случайными величинами X и Y.
- При p(X, Y) > 0 можно сделать вывод о том, что с ростом случайной величины X случайная величина Y имеет тенденцию к увеличению. Это называется положительной корреляционной зависимостью.
- При p(X, Y) < 0 можно сделать вывод о том, что с ростом случайной величины X случайная величина Y имеет тенденцию к уменьшению. Это называется отрицательной корреляционной зависимостью.
- При p(X, Y) = 0 случайные величины X и Y называются некоррелированными. Стоит отметить, что некоррелированность случайных величин X и Y не означает их статистическую независимость, это говорить лишь о том, что между ними нет линейной зависимости.
Пример #2⚓︎
Определим коэффициент корреляции p(X, Y) для двумерной случайной величины (X, Y) из примера #1
Коэффициент корреляции случайных величин X, Y равен
Поскольку rXY < 0, то с ростом X случайная величина Y имеет тенденцию к уменьшению и будет являться отрицательной корреляционной зависимостью.
Созданный: 2021-06-16