证明二维正态分布中的参数ρ为相关系数
在二维正态分布中,参数 ρ\rhoρ 被定义为随机变量 X,YX,YX,Y 的相关系数,即 ρ=r(x,y)\rho=r(x,y)ρ=r(x,y)。由
r(x,y)=Cov(x,y)Var[x]Var[y]Cov(x,y)=E[XY]−E[X]E[Y]r(x,y)=\frac{Cov(x,y)}{\sqrt{Var[x]Var[y]}} \\ Cov(x,y)=E[XY]-E[X]E[Y] r(x,y)=Var[x]Var[y]Cov(x,y)Cov(x,y)=E[XY]−E[X]E[Y]
即可证明。由于 E[XY]E[XY]E[XY] 的求解较为繁琐,本文记录此过程。
假设随机变量 (X,Y)∼N(μ1,μ2,σ12,σ22,ρ)(X,Y)\sim N(\mu_1,\mu_2,\sigma_1^2,\sigma_2^2,\rho)(X,Y)∼N(μ1,μ2,σ12,σ22,ρ),求 E[XY]E[XY]E[XY]。
解:
E[XY]=∫−∞∞dx∫−∞∞xy2πσ1σ21−ρ2exp{−12(1−ρ2)((x−μ1)2σ12−2ρ(x−μ1)(y−μ2)σ1σ2+(y−μ2)2σ22)}dy=12πσ1σ21−ρ2∫−∞∞xexp{−12(1−ρ2)((x−μ12)σ12)}dx∫−∞∞yexp{−12(1−ρ2)(−2ρ(x−μ1)(y−μ2)σ1σ2+(y−μ2)2σ22)}dy\begin{aligned} E[XY]&=\int_{-\infty}^\infty { \text dx\int_{-\infty}^\infty { \frac{xy} { 2\pi\sigma_1\sigma_2\sqrt{1-\rho^2} } \exp \left\{ -\frac{1}{2(1-\rho^2)} \left( \frac{(x-\mu_1)^2}{\sigma_1^2}-2\rho\frac{(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2}+\frac{(y-\mu_2)^2}{\sigma_2^2} \right) \right\} \text dy } } \\ &=\frac{1} { 2\pi\sigma_1\sigma_2\sqrt{1-\rho^2} } \int_{-\infty}^\infty { x \exp \left\{ -\frac{1}{2(1-\rho^2)}\left(\frac{(x-\mu_1^2)}{\sigma_1^2}\right) \right\} \text dx\int_{-\infty}^\infty { y \exp \left\{ -\frac{1}{2(1-\rho^2)} \left( -2\rho\frac {(x-\mu_1)(y-\mu_2)} {\sigma_1\sigma_2}+\frac{(y-\mu_2)^2}{\sigma_2^2} \right) \right\} \text dy } } \end{aligned} E[XY]=∫−∞∞dx∫−∞∞2πσ1σ21−ρ2xyexp{−2(1−ρ2)1(σ12(x−μ1)2−2ρσ1σ2(x−μ1)(y−μ2)+σ22(y−μ2)2)}dy=2πσ1σ21−ρ21∫−∞∞xexp{−2(1−ρ2)1(σ12(x−μ12))}dx∫−∞∞yexp{−2(1−ρ2)1(−2ρσ1σ2(x−μ1)(y−μ2)+σ22(y−μ2)2)}dy
作代换 x→σ1x+μ1,y→σ2y+μ2x\rightarrow\sigma_1x+\mu_1,y\rightarrow\sigma_2y+\mu_2x→σ1x+μ1,y→σ2y+μ2,则
E[XY]=12π1−ρ2∫−∞∞(σ1x+μ1)exp{−12(1−ρ2)x2}dx∫−∞∞(σ2y+μ2)exp{−12(1−ρ2)(−2ρxy+y2)}dy\begin{aligned} E[XY]&=\frac{1} { 2\pi\sqrt{1-\rho^2} } \int_{-\infty}^\infty { (\sigma_1x+\mu_1) \exp \left\{ -\frac{1}{2(1-\rho^2)}x^2 \right\} \text dx\int_{-\infty}^\infty { (\sigma_2y+\mu_2) \exp \left\{ -\frac{1}{2(1-\rho^2)} \left( -2\rho xy+y^2 \right) \right\} \text dy } } \end{aligned} E[XY]=2π1−ρ21∫−∞∞(σ1x+μ1)exp{−2(1−ρ2)1x2}dx∫−∞∞(σ2y+μ2)exp{−2(1−ρ2)1(−2ρxy+y2)}dy
由于
∫−∞∞exp(−x2+2kxl2)dx=∫−∞∞exp[−(x−k)2+k2l2]dx=expk2l2∫−∞∞exp(−u2l2)du=lexpk2l2∫−∞∞exp(−v2)dv=lexpk2l2π∫−∞∞xexp(−x2+2kxl2)dx=∫−∞∞xexp[−(x−k)2+k2l2]dx=expk2l2∫−∞∞(u+k)exp(−u2l2)du=expk2l2l∫−∞∞(vl+k)exp(−v2)dv=klexpk2l2π\begin{aligned} \int_{-\infty}^\infty { \exp \left( \frac{-x^2+2kx}{l^2} \right) \text dx } &= \int_{-\infty}^\infty { \exp \left[ \frac{-(x-k)^2+k^2}{l^2} \right] \text dx } \\ &= \exp\frac{k^2}{l^2} \int_{-\infty}^\infty { \exp \left( -\frac{u^2}{l^2} \right) \text du } \\ &= l\exp\frac{k^2}{l^2} \int_{-\infty}^\infty { \exp \left( -v^2 \right) \text dv } \\ &= l\exp\frac{k^2}{l^2}\sqrt{\pi} \\ \int_{-\infty}^\infty { x\exp \left( \frac{-x^2+2kx}{l^2} \right) \text dx } &= \int_{-\infty}^\infty { x\exp \left[ \frac{-(x-k)^2+k^2}{l^2} \right]\text dx } \\ &= \exp\frac{k^2}{l^2} \int_{-\infty}^\infty { (u+k)\exp(-\frac{u^2}{l^2})\text du } \\ &= \exp\frac{k^2}{l^2}l \int_{-\infty}^\infty { (vl+k)\exp(-v^2)\text dv } \\ &= kl\exp\frac{k^2}{l^2}\sqrt{\pi} \end{aligned} ∫−∞∞exp(l2−x2+2kx)dx∫−∞∞xexp(l2−x2+2kx)dx=∫−∞∞exp[l2−(x−k)2+k2]dx=expl2k2∫−∞∞exp(−l2u2)du=lexpl2k2∫−∞∞exp(−v2)dv=lexpl2k2π=∫−∞∞xexp[l2−(x−k)2+k2]dx=expl2k2∫−∞∞(u+k)exp(−l2u2)du=expl2k2l∫−∞∞(vl+k)exp(−v2)dv=klexpl2k2π
因此
E[XY]=12π∫−∞∞(σ1x+μ1)(σ2ρx+μ2)exp{−x22}dx=μ1μ2+ρσ1σ2\begin{aligned} E[XY]&=\frac{1} { \sqrt{2\pi} } \int_{-\infty}^\infty { (\sigma_1x+\mu_1)(\sigma_2\rho x+\mu_2) \exp \left\{ -\frac{x^2}{2} \right\} \text dx } \\ &= \mu_1\mu_2+\rho\sigma_1\sigma_2 \end{aligned} E[XY]=2π1∫−∞∞(σ1x+μ1)(σ2ρx+μ2)exp{−2x2}dx=μ1μ2+ρσ1σ2
证明二维正态分布中的参数ρ为相关系数相关推荐
- 小程序通过扫码进入时获取二维码中的参数(采坑)
情景:假如你想在通过二维码进入小程序时候,根据二维码中参数进行一些别的操作 1 开发阶段,在开发者工具中 微信开发者工具中编译条件中有一个自定义编译模式,同时可以携带参数,启动参数中写你要携带的参数( ...
- 微信小程序获取二维码中URL中带的参数
解析微信小程序获取二维码中的url参数 onLoad: function (options) { console.log(options) let qrUrl = decodeURIComponent ...
- 二维正态分布的参数与概率密度图形
用 Microsoft Mathematics 绘制二维正态分布的概率密度图形,参数可以交互地调整. N(μ1, μ2; σ1, σ2, ρ) 下载 二维正态概率密度.gcw 然后点击重绘图形 μ1 ...
- 在C++中如何将二维数组作为函数参数
一直以来弄不清C++中数组怎么作为参数传入函数中,尤其是最近学了Python之后,Python这种几乎可以把一切作为参数传入函数的方式更是让我在C++中混淆,下面来总结一下二维数组作为函数参数该如何表 ...
- 【概率论】5-10:二维正态分布(The Bivariate Normal Distributions)
title: [概率论]5-10:二维正态分布(The Bivariate Normal Distributions) categories: - Mathematic - Probability k ...
- 机器视觉学习之--贝叶斯学习 MATLAB二维正态分布二维图
1.贝叶斯介绍 我个人一直很喜欢算法一类的东西,在我看来算法是人类智慧的精华,其中蕴含着无与伦比的美感.而每次将学过的算法应用到实际中,并解决了实际问题后,那种快感更是我在其它地方体会不到的. 一直想 ...
- 正态分布,二维正态分布,卡方分布,学生t分布——概率分布学习 python
目录 基本概念 概率密度函数(PDF: Probability Density Function) 累积分布函数(CDF: Cumulative Distribution Function) 核密度估 ...
- VC++中从txt文本中读取数据并且存到二维数组中
这几天因为在做作业,所以不仅会想到这一类有关的问题.现在我需要实现的是讲txt文件的数据读取出来并且存储到一个二维数组中.,首先为了对待什么样的矩阵我们都可以读取,我们就要设置一个动态的矩阵,这样当我 ...
- php某列为键数组为值,PHP 将二维数组中某列值作为数组的键名 -- 超实用
有时候,想通过数组的中某字段值, 然后再在二维数组中获取存在该字段值的数组: 一般能想到的就是foreach 遍历比较一下跟该字段值一样,就获取到想要的数组,如下: //测试二维数组 $arr =ar ...
最新文章
- CacheHelper
- 百练OJ:2728:第一个C++程序
- SDO_Geometry 相关学习
- MaxCompute Mars 完全指南
- linux改目录权限和宿主。
- java跟其_java跟其他语言比有哪些优势?
- Android开发笔记(二十八)利用Application实现内存读写
- jacket for matlab,打印本页 - 在联想系统上使用Jacket For Matlab
- [译] 你的站点如你所想的移动友好吗?
- 用友nc java_用友NC系统使用过程中常见问题和解决方法!收藏!
- c,c++:获取当前时区偏移
- css3 calc的使用
- Eclipse 快捷键 mac
- 爱普生打印机维修资料大全
- GIT 详细命令介绍
- 浙江大学发布四足机器人“绝影”,爬坡踏雪稳定性令人惊艳
- java数组 如何动态增加、查询、删除元素
- 计算机桌面上的声音图标没了怎么办,音量图标不见了的4个解决方法!电脑桌面上声音图标怎么恢复?...
- 【结构型模式五】组合模式
- 你见或者不见 ---出自 《班扎古鲁白玛的沉默》 作者--扎西拉姆多多