第3章多维随机变量及其分布68961.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 所以 E(XiXj) = 1/[n(n?1)], XiXj P 0 1 1?1/[n(n?1)] 1/[n(n?1)] 由此得 又因为 所以先计算 E(XiXj), XiXj的分布列为 所以 3.4.4 相关系数 定义3.4.2 称 Corr(X, Y) = 为 X 与 Y 的相关系数. 若记 注 意 点 则 相关系数的性质(1) (1) 施瓦茨不等式 { Cov(X, Y) }2 ? Var(X)Var(Y). 相关系数的性质(2) (2) ?1 ? Corr(X, Y) ? 1. (3) Corr(X, Y) = ?1 X 与 Y 几乎处处有线性关系。 (性质3.4.11) ? (性质3.4.12) P(Y=aX+b)=1 Corr(X, Y) 的大小反映了X与Y之间的线性关系： 注 意 点 Corr(X, Y) 接近于1， X 与 Y 间 正相关. Corr(X, Y) 接近于 ?1， X 与 Y 间 负相关. Corr(X, Y) 接近于 0， X 与 Y 间 不相关. 没有线性关系 例3.4.1 设 (X, Y) 的联合分 布列为 X ?1 0 1 Y ?1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求 X, Y 的相关系数. 解: = 0 同理 = 3/4 E(Y) = E(X) = 0 另一方面 = 1/8?1/8?1/8+1/8 = 0 所以 Cov(X, Y) 即 Corr(X, Y) = 0 E(Y2) = E(X2) = 3/4 = E(XY)?E(X)E(Y) = 0 例3.4.2 (X, Y) ~ p(x, y) = 求 X, Y 的相关系数 解: = 7/6 = 5/3 所以, Var(X) = Var(Y) = 11/36 = 4/3 二维正态分布的特征数 (1) X ~ N( ?1, ?12), Y~ N( ?2, ?22); (3) X, Y 独立 ? = 0. (2) 参数 ? 为 X 和 Y 的相关系数; (4) 不相关与独立等价. 3.4.5 随机向量的数学期望与协方差阵 定义3.4.3 记 称 ，则 为 的协方差阵，记为 或 定理3.4.2 协方差阵对称、非负定. 协方差阵的性质 称 注 意 点 为 的相关矩阵. 课堂练习1 设 X ~ N(0, 1), Y ~ N(0, 1), Var(X?Y) = 0, 求 (X, Y) 的协差阵 ? . 课堂练习2 设 X, Y 的协差阵为 求相关阵 R. 对二维随机变量(X, Y), 在给定Y取某个值的条件下, X的分布; 在给定X取某个值的条件下, Y的分布. §3.5 条件分布与条件期望 (1) 条件分布列： 3.5.1 条件分布 (2) 条件密度函数： (3) 条件分布函数： 3.5.2 条件数学期望 定义 3.5.4 E(X | Y= y) 是 y 的函数. 注 意 点 所以记 g(y) = E(X | Y= y). 进一步记 g(Y ) = E(X | Y). 重期望公式 定理 3.5.1 * * * * * * * * * * * 故 * 离散场合的卷积公式 设离散随机变量 X 与 Y 独立， 则 Z=X+ Y 的分布列为 解 例3.3.3 设两个独立的随机变量 X 与Y 都服从标准正态分布,求 Z=X+Y 的概率密度. 卷积公式的应用 * 分布的可加性 若同一类分布的独立随机变量和的分布仍是此类分布，则称此类分布具有可加性. 二项分布的可加性 若 X ? b(n1, p)，Y ? b(n2, p)， 注意：若 Xi ? b(1, p)，且独立，则 Z = X1 + X2 + …… + Xn ? b(n, p). 且独立， 则 Z = X+ Y ? b(n1+n2, p). 泊松分布的可加性 若 X ? P(?1) ，Y ? P(?2)， 注意： X ?Y 不服从泊松分布. 且独立， 则 Z = X+ Y ? P(?1+?2). 正态分布的可加性 若 X ? N( )，Y ?