Als direkte Folge der Definition der Kovarianz ist Cov(X,Y)=E(XY)−E(X)E(Y) .
Fakt 1: ( Summe normalverteilter Zufallsvariablen )ist eine halbnormale Zufallsvariable mit dem Parameter
U,V∼i.i.d.N(0,1)
⇒U−V∼N(0,2)
⇒|U−V|σ=2–√
⇒E(|U−V|)=σ2√π√=2√2√π√=2π√
Fakt 2: ( Linearität der Erwartung ). Wir haben . Infolgedessen ist .
E(X)+E(Y)=E(X+Y)E(X+Y)=E(min(U,V)+max(U,V))=E(U+V)=E(U)+E(V)=0+0=0E(Y)=−E(X)
Fakt 3:
Da: , daherY−X=|U−V|
2E(Y)=E(Y)−E(X)=E(Y−X)=E(|U−V|)=2π√E(Y)=22π√=1π√
Fakt 4:
Da , haben wirXY=UVE(XY)=E(UV)=E(U)E(V)=0
Unter Verwendung dieser Tatsachen: .Cov(X,Y)=E(XY)−E(X)E(Y)=0+E(Y)E(Y)=1π√1π√=1π