Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
8. Mehrdimensionale Zufallsvariablen 8.5 Kovarianz <strong>und</strong> Korrelation<br />
Definition: Korrelationskoeffizient ρ<br />
Eigenschaften:<br />
ρ = ρ(X,Y ) =<br />
1. −1 ≤ ρ(X, Y ) ≤ 1<br />
Cov(X, Y )<br />
√<br />
V ar(X)<br />
√<br />
V ar(Y )<br />
= Cov(X, Y )<br />
σ X σ Y<br />
.<br />
2. ρ(X,Y ) = ±1 ⇔ Y = aX + b mit a > 0 bzw. a < 0<br />
3. Maßstabsunabhänigigkeit gegenüber linearer Transformation<br />
˜X = a X X + b X , Ỹ = a Y Y + b Y mit a X ≠ 0, a Y ≠ 0<br />
⇒ ρ( ˜X,Ỹ ) = a Xa Y<br />
|a X ||a Y | ρ(X,Y )<br />
8. Mehrdimensionale Zufallsvariablen 8.5 Kovarianz <strong>und</strong> Korrelation<br />
Definition: Unkorreliertheit<br />
Zwei Zufallsvariablen X <strong>und</strong> Y heißen unkorreliert, wenn gilt<br />
ρ(X,Y ) = 0.<br />
Wenn ρ(X,Y ) ≠ 0 gilt, heißen sie korreliert.<br />
Sind zwei Zufallsvariablen unabhängig, so sind sie auch unkorreliert, d.h. es gilt<br />
ρ(X,Y ) = 0.<br />
Bemerkung:<br />
• X,Y unabhängig ⇒ E(X · Y ) = E(X) · E(Y )<br />
Verschiebungssatz ⇒ Cov(X, Y ) = E(X · Y ) − E(X) · E(Y ) = 0<br />
• Umkehrung “X,Y unkorreliert ⇒ X,Y unabhängig” im allgemeinen falsch!<br />
Ausnahme: X,Y gemeinsam normalverteilt<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 68<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 69<br />
8. Mehrdimensionale Zufallsvariablen 8.5 Kovarianz <strong>und</strong> Korrelation<br />
8. Mehrdimensionale Zufallsvariablen 8.5 Kovarianz <strong>und</strong> Korrelation<br />
Varianz der Summe von Zufallszahlen<br />
V ar(X 1 + X 2 ) = V ar(X 1 ) + V ar(X 2 ) + 2Cov(X 1 , X 2 ).<br />
Beispiel: Portfolio-Analyse<br />
V ar(a 1 X 1 + ... + a n X n ) = a 2 1V ar(X 1 ) + · · · + a 2 nV ar(X n )<br />
+ 2a 1 a 2 Cov(X 1 ,X 2 ) + 2a 1 a 3 Cov(X 1 ,X 3 ) + ...<br />
n∑<br />
= a 2 iV ar(X i ) + 2 ∑ a i a j Cov(X i ,X j ).<br />
i=1 i