Lecture zen
On appelle matrice de covariance d’un suite finie de variables aléatoires \((X_1,...,X_d)\) la matrice symétrique \(M\) définie par \(M_{i,j}=cov(X_i,X_j)\).
En savoir plus
Covariance et variance
[ Definition ]
Étant donnée \(X\) une variable aléatoire , on définit la déviation de \(X\) par \[\tilde X=X-E(X).\]
Étant données \(X\) et \(Y\) des variables aléatoires dans \(L^2\), on définit la covariance de \(X\) et \(Y\) par \[Cov(X,Y)=E( \tilde X.\tilde Y).\] Étant donnée \(X\) une variable aléatoire dans \(L^2\), on définit la variance de \(X\) par \[Var(X)=Cov(X,X).\] Le produit scalaire de deux variables aléatoires \(X\) et \(Y\) de \(L^2\) est l’espérance de \(X.Y\) (comme dans le cadre d’un espace \(L^2\) quelconque), noté parfois \(\).
On appelle corrélation entre deux variables aléatoires \(X\) et \(Y\) de normes \(N_2\) non nulles le réel de \([-1,1]\) \(cor(X,Y) = \frac{<\tilde X|\tilde Y>}{N_2(\tilde X).N_2(\tilde Y)}\). On dit que deux variables sont décorrélées ou non-corrélées lorsque leur corrélation est nulle. On appelle angle entre deux variables aléatoires \(X\) et \(Y\) de normes \(N_2\) non nulles le réel \(\theta\) appartenant à \([0,\pi]\) tel que \(cos(\theta)=\frac{<X|Y>}{N_2(X).N_2(Y)}\).
Plus généralement, deux variables aléatoires sont dites non corrélées si leur covariance est nulle (sans forcément que leur corrélation soit bien définie donc).