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。
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