概率论与数理统计教程（沈恒范 第六版）第三章典型例题解析 协方差与相关系数

在概率论与数理统计中，协方差与相关系数是描述随机变量之间线性关系的重要数字特征。本章节通过典型例题，帮助读者深入理解协方差与相关系数的定义、性质、计算方法和实际意义。以下结合沈恒范《概率论与数理统计教程》（第六版）第三章内容，精选几道代表性例题进行解析，并探讨数理教学器材在理解这些概念中的应用价值。

例题一：协方差的基本计算

题目：设随机变量X与Y的联合分布律如下表所示，求Cov(X, Y)。
| X\Y | 0 | 1 |
|------|-----|-----|
| 0 | 0.3 | 0.2 |
| 1 | 0.1 | 0.4 |

解析：
1. 计算边缘分布：
- P(X=0)=0.3+0.2=0.5，P(X=1)=0.1+0.4=0.5

• P(Y=0)=0.3+0.1=0.4，P(Y=1)=0.2+0.4=0.6

1. 计算期望：

• E(X)=0×0.5+1×0.5=0.5

• E(Y)=0×0.4+1×0.6=0.6

• E(XY)=0×0×0.3 + 0×1×0.2 + 1×0×0.1 + 1×1×0.4 = 0.4

1. 协方差公式：Cov(X,Y)=E(XY)-E(X)E(Y)=0.4-0.5×0.6=0.4-0.3=0.1

教学提示：此题为离散型随机变量协方差计算的经典例题，重点在于熟练掌握联合分布律、边缘分布和期望的计算。

例题二：相关系数的性质与应用

题目：设随机变量X与Y的方差分别为D(X)=4，D(Y)=9，协方差Cov(X,Y)=3。求相关系数ρ(X,Y)，并说明X与Y的相关程度。

解析：
1. 相关系数公式：ρ(X,Y)=Cov(X,Y)/√[D(X)D(Y)]
2. 代入计算：ρ=3/√(4×9)=3/6=0.5
3. 结果解释：由于0<|ρ|=0.5<1，说明X与Y之间存在中等程度的正线性相关。

教学提示：相关系数ρ的取值范围为[-1,1]，其绝对值大小反映线性相关程度强弱。本例中ρ=0.5，属于中等相关。

例题三：协方差性质的综合运用

题目：设随机变量X与Y相互独立，且D(X)=2，D(Y)=3。求D(2X-3Y+1)和Cov(X+Y, X-Y)。

解析：
1. 方差计算：
- D(2X-3Y+1)=D(2X-3Y)=4D(X)+9D(Y)-2×2×3×Cov(X,Y)

• 由于X与Y独立，Cov(X,Y)=0

• 故D(2X-3Y+1)=4×2+9×3=8+27=35

1. 协方差计算：

• Cov(X+Y, X-Y)=Cov(X,X)-Cov(X,Y)+Cov(Y,X)-Cov(Y,Y)

• 利用协方差性质：Cov(X,X)=D(X)，Cov(Y,Y)=D(Y)，且Cov(X,Y)=Cov(Y,X)

• 故原式=D(X)-Cov(X,Y)+Cov(X,Y)-D(Y)=D(X)-D(Y)=2-3=-1

教学提示：本题综合运用了方差与协方差的性质，特别是随机变量独立时协方差为零这一关键点。

数理教学器材的应用建议

在讲授协方差与相关系数时，合理使用数理教学器材可以显著提升教学效果：

1. 统计软件：如SPSS、R或Python，可快速计算复杂数据集的协方差矩阵和相关系数矩阵，并通过散点图直观展示变量间的线性关系。
2. 模拟实验器材：利用随机数生成器模拟不同相关系数的二维数据，帮助学生直观理解ρ从-1到1变化时数据点的分布形态。
3. 可视化工具：动态几何软件（如GeoGebra）可演示协方差与相关系数随数据变化的动态过程，深化概念理解。
4. 传统教具：使用带有坐标网格的白板或磁性点图，手工绘制散点图并计算协方差，适合小班教学或基础演示。

学习要点

1. 协方差Cov(X,Y)反映两个随机变量变化的总体趋势，但其数值受量纲影响。
2. 相关系数ρ(X,Y)是标准化后的协方差，无量纲，便于比较不同变量对之间的相关程度。
3. 独立必不相关，但不相关不一定独立（除非是正态分布）。
4. 计算时注意区分总体协方差/相关系数与样本协方差/相关系数，后者是前者的估计值。

通过以上典型例题的解析，读者应能掌握协方差与相关系数的核心计算方法，理解其统计意义，并了解如何借助数理教学器材增强学习效果。建议结合教材中的习题进行巩固练习，以熟练掌握这一重要章节内容。