系数也存在。现在我们引出下述定理。 引理3.5设二维随机变量(5,)的两个分量5与的相关系数为P,则有 (1)1P1≤1: (②)1P≤2的充要条件是5与1以概率1线性相关。即存在常数a与b,使有 P(n-a+b)=1 (3.80) 相关系数只是随机变量间线性关系强弱一个度量,因而说得更确切一些,应该把这称作线性 相关系数,只是因为大家习惯了,所以叫做相关系数。当P1时,上述定理表明专与门间 存在着线性关系,并且容易验证当P=1时为正线性相关,P=-1时为负线性相关。当 IP1<1时,这种线性相关程度就随着P的减小而减弱。当P=0时,就称二与刀是不相 关的或零相关的。前面曾经指出,当5与门独立时,如果Cov(5,)存在,则必有 Cov(5,)=0,这表明5与门独立时,若相关系数存在,必有P=0。从而5与门是不相关 的,说得更确切些,也就是不线性相关的。到这里,读者肯定要问,当与门不相关时,5 与刀是否一定独立?回答是否定的,理由很简单,因为如果5与不相关,也就是说它们 之间不存在线性关系,但是它们之间还是可能存在着别的函数关系,从而是不独立的。下面 就是这样的一个例子(详略)。这就是说不相关和独立性是两个不同的概念,在一股情形下 并不能从不相关性推出独立性。不过对最常用的正态分布来说,不相关性和独立性是一致的。 例3.24(略) 例3.25(略) 前面讨论了随机变量的数学期望、方差及协方差这些数字特征,如果数学期望为,则 方差 D5-E52-(E5)1 对连续型随机变量,设密度函数为p(x:对离散型随机变量,设分布列为P,=印(5=x) 则计算式分别为: E=[xp(x)dx. BE-ZxP B2-x"p(x)dx B8-p 这些计算式与物理学中静力矩和惯性矩的计算式相似,借用物理学中“矩”的名字,E5,E 系数也存在。现在我们引出下述定理。 引理 3.5 设二维随机变量 (,) 的两个分量 与 的相关系数为 ,则有 (1) | |≤1; (2) | |≤2 的充要条件是 与 以概率 1 线性相关。即存在常数 a 与 b,使有 P( =a +b)=1 (3.80) 相关系数只是随机变量间线性关系强弱一个度量,因而说得更确切一些,应该把这称作线性 相关系数,只是因为大家习惯了,所以叫做相关系数。当| |=1 时,上述定理表明 与 间 存在着线性关系,并且容易验证当 =1 时为正线性相关, =-1 时为负线性相关。当 | | 1 时,这种线性相关程度就随着| |的减小而减弱。当 =0 时,就称 与 是不相 关的或零相关的。前面曾经指出,当 与 独立时,如果 Cov (,) 存在,则必有 Cov (,) =0,这表明 与 独立时,若相关系数存在,必有 =0。从而 与 是不相关 的,说得更确切些,也就是不线性相关的。到这里,读者肯定要问,当 与 不相关时, 与 是否一定独立?回答是否定的,理由很简单,因为如果 与 不相关,也就是说它们 之间不存在线性关系,但是它们之间还是可能存在着别的函数关系,从而是不独立的。下面 就是这样的一个例子(详略)。这就是说不相关和独立性是两个不同的概念,在一般情形下 并不能从不相关性推出独立性。不过对最常用的正态分布来说,不相关性和独立性是一致的。 例 3.24(略) 例 3.25(略) 前面讨论了随机变量的数学期望、方差及协方差这些数字特征,如果数学期望为,则 方差为 D = E 2 — 2 (E) 对连续型随机变量,设密度函数为 p(x);对离散型随机变量,设分布列为 p i =p( =x i ), 则计算式分别为: E = − xp(x)dx , E = i i xi p =1 E 2 = − x p(x)dx 2 , E 2 = i i xi p =1 2 这些计算式与物理学中静力矩和惯性矩的计算式相似,借用物理学中“矩”的名字,E , E 2