二维随机变量(X,Y),X与Y之间的协方差定义为:
Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}
其中:E(X)为分量X的期望,E(Y)为分量Y的期望
协方差Cov(X,Y)是描述随机变量相互关联程度的一个特征数。从协方差的定义可以看出,它是X的偏差【X-E(X)】与Y的偏差【Y-E(Y)】的乘积的数学期望。由于偏差可正可负,因此协方差也可正可负。
l 当协方差Cov(X,Y)>0时,称X与Y正相关
l 当协方差Cov(X,Y)<0时,称X与Y负相关
l 当协方差Cov(X,Y)=0时,称X与Y不相关
举个例子
二维随机变量(身高X,体重Y)(数据是自己编的)
身高X(cm)
体重Y(500g)
X-E(X)
Y-E(Y)
[X-E(X)][Y-E(Y)]
1
152
92
-19.4
-39.7
770.18
2
185
162
13.6
30.3
412.08
3
169
125
-2.4
-6.7
16.08
4
172
118
0.6
-13.7
-8.22
5
174
122
2.6
-9.7
-25.22
6
168
135
-3.4
3.3
-11.22
7
180
168
8.6
36.3
312.18
E(X) =171.4
E(Y) =131.7
E{[X-E(X)][Y-E(Y)]}=209.4