协方差与相关系数
2010-12-24 16:19
197 查看
若X，Y独立, D(X+Y)=D(X)+D(Y) E(XY)=E(X)E(Y),
从而有 E{[X-E(X)][Y-E(Y)]}=0。
说明E{[X-E(X)][Y-E(Y)]}的大小反映了X，Y间关联的程度。
----------------------------------------------------------------------------------------------
量E{[X-E(X)][Y-E(Y)]}称为随机变量X与Y的协方差，记为Cov(X，Y)，
即 Cov(X，Y)= E{[X-E(X)][Y-E(Y)]}.
而当D(X)>0, D(Y)>0时， 称为随机变量X与Y的相关系数。
从而有 E{[X-E(X)][Y-E(Y)]}=0。
说明E{[X-E(X)][Y-E(Y)]}的大小反映了X，Y间关联的程度。
----------------------------------------------------------------------------------------------
量E{[X-E(X)][Y-E(Y)]}称为随机变量X与Y的协方差，记为Cov(X，Y)，
即 Cov(X，Y)= E{[X-E(X)][Y-E(Y)]}.
而当D(X)>0, D(Y)>0时， 称为随机变量X与Y的相关系数。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 股票走势分析算法 -协方差,标准差,相关系数
- 回归模型效果评估系列4-从协方差到相关系数
- 主成分分析中协方差cov和相关系数ρ
- pandas带有重复值的轴索引，汇总和计算描述统计，相关系数与协方差
- Numpy_协方差与相关系数
- 协方差和相关系数
- 概率论11 协方差与相关系数
- 利用Python进行数据分析_python3实现_pandas入门_相关系数与协方差
- 方差、协方差、期望、相关系数等概念集合
- 方差，协方差，相关系数，协方差矩阵总结及python示例
- 相关系数与协方差间的转换
- 方差、协方差、期望、相关系数等概念集合
- pandas的相关系数与协方差
- 相关系数和协方差
- 协方差与相关系数关系
- 机器学习储备（1）：协方差和相关系数
- 概率统计：数学期望、方差、协方差、相关系数、矩
- 标准差、方差、协方差和互相关系数
- 期望、方差、协方差及相关系数的基本运算
- 机器学习之数学基础——期望、方差、协方差、相关系数、矩、协方差矩阵