相关函数的协方差的性质 协方差的性质：62616964757a686964616fe4b893e5b19e313334313532391、Cov(X，Y)=Cov(Y，X)；2、Cov(aX，bY)=abCov(X，Y)，（a，b是常数）；3、Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。由协方差定义，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。协方差函数定义为：若X(t)=Y(t)+i*Z(t)，Y，Z为实过程，则称X(t)为复随机过程，相关函数定义为：扩展资料协方差反映了两个变量之间的相关程度：协方差是两个变量与自身期望做差再相乘，然后对乘积取期望。也就是说，当其中一个变量的取值大于自身期望，另一个变量的取值也大于自身期望时，即两个变量的变化趋势相同，此时，两个变量之间的协方差取正值。反之，即其中一个变量大于自身期望时，另外一个变量小于自身期望，那么这两个变量之间的协方差取负值。当x与y变化趋势一致时，两个变量与自身期望之差同为正或同为负，其乘积必然为正，所以其协方差为正；反之，其协方差为负。所以协方差的正负性反映了两个变量的变化趋势是否一致。再者，当x和y在某些时刻变化一致，某些时刻变化不一致时，在第一个点，x与y虽然变化，但是y的变化幅度远不及x变化幅度大，所以其乘积必然较小。在第二个点，x与y变化一致且变化幅度都很。
关于协方差E{[X-E(X)][Y-E(Y)]} E(X)和E(Y)是常数，所以E((X-E(X))(Y-E(Y)))E(XY-X·2113E(Y)-Y·E(X)+E(X)E(Y))E(XY)-E(X·E(Y))-E(Y·E(X))+E(X)E(Y)E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y)E(XY)-E(X)E(Y).所以还是要算E(XY).要具5261体算E(XY)，一般来说4102需要知道X，Y的联合分1653布.如果X，Y的联合分布密度函数为f(x，y)，那么E(XY){R2}xyf(x，y)dxdy.
请问为什么X和Y独立，协方差就等于零？ XY独立，那么e799bee5baa6e997aee7ad94e78988e69d8331333431356131E(XY)=E(X)E(Y)，于是COV(XY)=E[(X-E(X))(Y-E(Y))]=E(XY)-E(X)E(Y)=0。至于为什么XY独立E(XY)=E(X)E(Y)，这是因为XY的两个分布pxy(xy)=px(x)py(y)。协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。扩展资料：如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值时另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。协方差Cov(X，Y)的度量单位是X的协方差乘以Y的协方差。。
