D(5+7)=D5+Dn (3.75) 这些性质的证明与离散型情形是相同的,这里不再作进一步的叙述。 对二维随机变量(5,)来说,数学期望E5、E)只反映了5与)各自的平均值,方 差D5、D1只反映了5与各自离平均值的偏离程度,它们对5与之间相互联系不提 供任何信息。前面己经指出,二维随机变量(5,)的密度函数pX,y)或分布列P)全面地描 述了(5,)的统计规律,其中包含有5与刀相互联系的内容。如同数学期望和方差一样, 当然也希望有一个数字特征能够在一定程度上反映这种联系。现在我们已经发现当5与门 相互独立时,有 E(5-E5)(0-E1=0 (376) 也就是说,当E(5-E)(”-E1)丰0时,5与”肯定不独立。这说明 E(5一E5)(?-E门)的数值在一定程度上反映了5与)相互间的联系。因而我们引入 下述定义。 定义3.9若(5,)是一个二维随机变量,又 E引(5-E5)(I-E1Ko 则称E(5-E5)(0-En)为5与n的协方差,并记作Cov(5,),即 Cov(5,)-E(5-E5)(1-E7) (3.77) 由协方差的定义可知它具有下述性质: )Cov(5,)=Cov(,5): (②)若a、b为两个任意常数,则 Cov(as,bn)=ab.Cov() (3)Cov(5+52,)=Cov(5i,)+Cov(52,7) 协方差的数值虽然在一定程度上反映了5与)相互间的联系,但它还受5与刀本身 数值大小的影响。譬如说,令5与)各自增大K倍,即气=Kξ,=K,这时5与门 间的相互联系和与刀间的相互联系应该是一样的,可是反映这种联系的协方差却增大了 K2倍,即有 D ( +) = D +D (3.75) 这些性质的证明与离散型情形是相同的,这里不再作进一步的叙述。 对二维随机变量 (,) 来说,数学期望 E 、E 只反映了 与 各自的平均值,方 差 D 、D 只反映了 与 各自离平均值的偏离程度,它们对 与 之间相互联系不提 供任何信息。前面已经指出,二维随机变量 (,) 的密度函数 p(x,y)或分布列 p ij 全面地描 述了 (,) 的统计规律,其中包含有 与 相互联系的内容。如同数学期望和方差一样, 当然也希望有一个数字特征能够在一定程度上反映这种联系。现在我们已经发现当 与 相互独立时,有 E ( − E ) ( –E )=0 (3.76) 也就是说,当 E ( − E ) ( –E ) 0 时, 与 肯定不独立。这说明 E ( − E ) ( –E )的数值在一定程度上反映了 与 相互间的联系。因而我们引入 下述定义。 定义 3.9 若 (,) 是一个二维随机变量,又 E| ( − E ) ( –E )|< 则称 E ( − E ) ( –E )为 与 的协方差,并记作 Cov (,) ,即 Cov (,) =E ( − E ) ( –E ) (3.77) 由协方差的定义可知它具有下述性质: (1)Cov (,) = Cov (, ) ; (2)若 a、b 为两个任意常数,则 Cov (a ,b) =ab﹒Cov (,) (3) Cov ( , ) 1 + 2 = Cov ( , ) 1 + Cov ( , ) 2 协方差的数值虽然在一定程度上反映了 与 相互间的联系,但它还受 与 本身 数值大小的影响。譬如说,令 与 各自增大 K 倍,即 = K 1 ,1 = K ,这时 与 间的相互联系和 与 间的相互联系应该是一样的,可是反映这种联系的协方差却增大了 K 2 倍,即有