在概率論中,兩個隨機變量 X 與 Y 之間相互關係,大致有下列3種情況:
當 X, Y 的聯合分佈像上圖那樣時,我們可以看出,大致上有: X 越大 Y 也越大, X 越小 Y 也越小,這種情況,我們稱爲“正相關”。
當X, Y 的聯合分佈像上圖那樣時,我們可以看出,大致上有:X 越大Y 反而越小,X 越小 Y 反而越大,這種情況,我們稱爲“負相關”。
怎樣將這3種相關情況,用一個簡單的數字表達出來呢?
在圖中的區域(1)中,有 X>EX ,Y-EY>0 ,所以(X-EX)(Y-EY)>0;
在圖中的區域(2)中,有 X<EX ,Y-EY>0 ,所以(X-EX)(Y-EY)<0;
在圖中的區域(3)中,有 X<EX ,Y-EY<0 ,所以(X-EX)(Y-EY)>0;
在圖中的區域(4)中,有 X>EX ,Y-EY<0 ,所以(X-EX)(Y-EY)<0。
當X 與Y 正相關時,它們的分佈大部分在區域(1)和(3)中,小部分在區域(2)和(4)中,所以平均來說,有E(X-EX)(Y-EY)>0 。
當 X與 Y負相關時,它們的分佈大部分在區域(2)和(4)中,小部分在區域(1)和(3)中,所以平均來說,有(X-EX)(Y-EY)<0 。
當 X與 Y不相關時,它們在區域(1)和(3)中的分佈,與在區域(2)和(4)中的分佈幾乎一樣多,所以平均來說,有(X-EX)(Y-EY)=0 。
所以,我們可以定義一個表示X, Y 相互關係的數字特徵,也就是協方差當 cov(X, Y)>0時,表明 X與Y 正相關;
當 cov(X, Y)<0時,表明X與Y負相關;
當 cov(X, Y)=0時,表明X與Y不相關。
這就是協方差的意義。
轉載自:http://blog.csdn.net/wuhzossibility/article/details/8087863
http://bbs.mathchina.com/cgi-bin/topic.cgi?forum=5&topic=14444