将长度为10厘米的巧克力棒随机截成两段,则这两段长度的相关系数为A. -0.5B. -1C. 1D. 0.5
将长度为10厘米的巧克力棒随机截成两段,则这两段长度的相关系数为
A. -0.5
B. -1
C. 1
D. 0.5
题目解答
答案
要解决这个问题,我们需要理解相关系数的定义与计算逻辑,结合两段长度的线性关系分析。
步骤1:设定变量,明确线性关系
设截断后第一段长度为 $X$,第二段长度为 $Y$。由于巧克力棒总长度为10厘米,因此两段长度满足线性关系:
$Y = 10 - X$
步骤2:回忆相关系数公式
两个随机变量 $X$ 和 $Y$ 的相关系数 $\rho(X,Y)$ 定义为:
$\rho(X,Y) = \frac{\text{Cov}(X,Y)}{\sigma_X \cdot \sigma_Y}$
其中:
- $\text{Cov}(X,Y)$ 是 $X$ 和 $Y$ 的协方差;
- $\sigma_X$、$\sigma_Y$ 分别是 $X$、$Y$ 的标准差(即方差的平方根,$\sigma_X = \sqrt{\text{Var}(X)}$,$\sigma_Y = \sqrt{\text{Var}(Y)}$)。
步骤3:计算协方差 $\text{Cov}(X,Y)$
根据协方差的性质:$\text{Cov}(A, B+C) = \text{Cov}(A,B) + \text{Cov}(A,C)$,且常数与随机变量的协方差为0($\text{Cov}(A, c) = 0$,$c$ 为常数)。
对 $Y = 10 - X$,计算 $\text{Cov}(X,Y)$:
$\text{Cov}(X,Y) = \text{Cov}(X, 10 - X) = \text{Cov}(X, 10) + \text{Cov}(X, -X)$
- $\text{Cov}(X, 10) = 0$(常数与随机变量协方差为0);
- $\text{Cov}(X, -X) = -\text{Cov}(X,X) = -\text{Var}(X)$(协方差的自反性:$\text{Cov}(X,X) = \text{Var}(X)$)。
因此:
$\text{Cov}(X,Y) = 0 - \text{Var}(X) = -\text{Var}(X)$
步骤4:计算标准差 $\sigma_X$ 和 $\sigma_Y$
根据方差的性质:$\text{Var}(aX + b) = a^2\text{Var}(X)$($a,b$ 为常数)。
对 $Y = 10 - X$,计算 $\text{Var}(Y)$:
$\text{Var}(Y) = \text{Var}(10 - X) = (-1)^2\text{Var}(X) = \text{Var}(X)$
因此,$Y$ 的标准差:
$\sigma_Y = \sqrt{\text{Var}(Y)} = \sqrt{\text{Var}(X)} = \sigma_X$
步骤5:代入相关系数公式
将 $\text{Cov}(X,Y) = -\text{Var}(X)$、$\sigma_Y = \sigma_X$ 代入相关系数公式:
$\rho(X,Y) = \frac{-\text{Var}(X)}{\sigma_X \cdot \sigma_X} = \frac{-\text{Var}(X)}{\text{Var}(X)} = -1$
结论
两段长度的相关系数为 $\boldsymbol{-1}$,对应选项 B。
解析
本题考查相关系数的计算以及对随机变量线性关系的理解。解题的关键在于根据两段巧克力棒长度的线性关系,利用协方差和方差的性质来计算相关系数。
- 设定变量并明确线性关系:
设截断后第一段长度为 $X$,第二段长度为 $Y$。因为巧克力棒总长度为$10$厘米,所以两段长度满足线性关系 $Y = 10 - X$。 - 回忆相关系数公式:
两个随机变量 $X$ 和 $Y$ 的相关系数 $\rho(X,Y)$ 定义为 $\rho(X,Y) = \frac{\text{Cov}(X,Y)}{\sigma_X \cdot \sigma_Y}$,其中 $\text{Cov}(X,Y)$ 是 $X$ 和 $Y$ 的协方差,$\sigma_X$、$\sigma_Y$ 分别是 $X$、$Y$ 的标准差,且 $\sigma_X = \sqrt{\text{Var}(X)}$,$\sigma_Y = \sqrt{\text{Var}(Y)}$。 - 计算协方差 $\text{Cov}(X,Y)$:
根据协方差的性质 $\text{Cov}(A, B+C) = \text{Cov}(A,B) + \text{Cov}(A,C)$ 以及常数与随机变量的协方差为$0$($\text{Cov}(A, c) = 0$,$c$ 为常数),对 $Y = 10 - X$ 计算 $\text{Cov}(X,Y)$:- $\text{Cov}(X,Y) = \text{Cov}(X, 10 - X) = \text{Cov}(X, 10) + \text{Cov}(X, -X)$。
- 因为 $\text{Cov}(X, 10) = 0$,且 $\text{Cov}(X, -X) = -\text{Cov}(X,X) = -\text{Var}(X)$(协方差的自反性:$\text{Cov}(X,X) = \text{Var}(X)$),所以 $\text{Cov}(X,Y) = 0 - \text{Var}(X) = -\text{Var}(X)$。
- 计算标准差 $\sigma_X$ 和 $\sigma_Y$:
根据方差的性质 $\text{Var}(aX + b) = a^2\text{Var}(X)$($a,b$ 为常数),对 $Y = 10 - X$ 计算 $\text{Var}(Y)$:- $\text{Var}(Y) = \text{Var}(10 - X) = (-1)^2\text{Var}(X) = \text{Var}(X)$。
- 那么 $Y$ 的标准差 $\sigma_Y = \sqrt{\text{Var}(Y)} = \sqrt{\text{Var}(X)} = \sigma_X$。
- 代入相关系数公式:
将 $\text{Cov}(X,Y) = -\text{Var}(X)$、$\sigma_Y = \sigma_X$ 代入相关系数公式 $\rho(X,Y) = \frac{\text{Cov}(X,Y)}{\sigma_X \cdot \sigma_Y}$,可得:- $\rho(X,Y) = \frac{-\text{Var}(X)}{\sigma_X \cdot \sigma_X} = \frac{-\text{Var}(X)}{\text{Var}(X)} = -1$。