\newpage
\subsection{Kovarianz}
\shortdefinition $\cov(\cX, \cY) = \E[(\cX - \E[\cX])(\cY - \E[\cY])]$

\shortremark $\cov(\cX, \cY) = \E[\cX \cY] - \E[\cX] \E[\cY]$

\shortremark $\cov(\cX, \cX) = \V[\cX]$

\shortremark $\cov(\cX, \cY) = 0 \Longrightarrow \cX, \cY$ unabh. ($\Leftarrow$ impl. falsch!)

\shortremark $\cX, \cY$ unabh. $\Longleftrightarrow \elementstack{\forall \varphi, \psi \text{stückweise stetig, beschränkt gilt}}{\cov(\varphi(\cX), \psi(\cY)) = 0}$

\shortremark Folgende Terminologie (neg. korr. = antikorreliert):
\begin{itemize}
    \item Wenn $\cov(\cX, \cY) > 0$, dann: $\cX$, $\cY$ \bi{positiv korreliert}
    \item Wenn $\cov(\cX, \cY) = 0$, dann: $\cX$, $\cY$ \bi{unkorreliert}
    \item Wenn $\cov(\cX, \cY) < 0$, dann: $\cX$, $\cY$ \bi{negativ korreliert}
\end{itemize}

\shortexample $\cX, \cY$ unkorreliert $\centernot\implies \cX, \cY$ unabhängig

\shortremark Eigenschaften der Kovarianz (alle $a, \ldots \in \R$):
\begin{itemize}
    \item \bi{Positive Semidefinitheit}: $\cov(\cX, \cX) \geq 0$
    \item \bi{Symmetrie}: $\cov(\cX, \cY) = \cov(\cY, \cX)$
    \item \bi{Bilin.}: $\cov(a\cX + b, c\cY + d) = ac \cov(\cX, \cY)$ und\\
          $\cov(\cX, (e \cY + f) + (g \cZ + h))\! =\! e \cov(\cX, \cY) + g \cov(\cX, \cZ)$
\end{itemize}

\shortremark $\displaystyle \V\left[ \sum_{k = 1}^{n} \cX_k \right] = \sum_{k = 1}^{n} \V[\cX]_k + 2 \sum_{k = 1}^{n - 1} \sum_{l = k + 1}^{n} \cov(\cX_k, \cX_l)$

\shortremark In Matrix-Notation für $\vec{\cX} = (\cX_1, \ldots, \cX_n)^\top$
\[
    \Sigma = \begin{pmatrix}
        \V[\cX_1]          & \cov(\cX_1, \cX_2) & \dots  & \cov(\cX_1, \cX_n) \\
        \cov(\cX_2, \cX_1) & \V[\cX_2]          & \dots  & \cov(\cX_2, \cX_n) \\
        \vdots             & \vdots             & \ddots & \ddots             \\
        \cov(\cX_n, \cX_1) & \cov(\cX_n, \cX_2) & \dots  & \V[\cX_n]          \\
    \end{pmatrix}
\]