第四节多维随机变量的特征数.pptVIP

第四节 多维随机变量的特征数 一、随机向量的函数的数学期望 例: 有5个相互独立工作的电子装置，它们的寿命Xk(k=1，2，3，4，5)服从同一指数分布，其概率密度为(θ0) ???(2) 由上一节知，M=max(X1, X2, X3, X4, X5)的分布函数为 二、数学期望与方差的运算性质 三、协方差 四、相关系数 2.相关系数的性质 * 单个随机变量 特征数: 期望、方差、标准差 随机向量 每个分量的期望、方差、标准差 以及分量之间的协方差 如若上式右边的积分绝对收敛； 前提是上式右边的级数绝对收敛。 设Z是随机变量X，Y的函数Z=g(X,Y)(g是连续函数)，那么，Z也是一个随机变量，若二维随机变量(X,Y)的概率密度为f(x, y)则有 又若 (X，Y)为离散型随机变量。其分布律为 则有 例: 设二维随机变量(X,Y)的概率密度为 试求XY的数学期望。 解: 由公式得 (1)若将这5个电子装置串联工作组成整机，求整机寿命N的数学期望； (2)若将这5个电子装置并联工作组成整机，求整机寿命M的数学期望。 解: Xk(k=1，2，3，4，5)的分布函数为 (1) 由上一节知N=min(X1,X2,X3,X4,X5)的分布函数为 因而N的概率密度为 于是N的数学期望为 因而M的概率密度为 M的数学期望为 特别地，在连续情形下（离散情形类似） (1) 取 ，则有 (２) 取 　　 　　　，则有 性质１　设（X, Y）为二维随机向量，则 （假定期望均存在） 和的期望＝期望之和 证明：略（P167） 推广： 利用数学归纳法易知 例:一个袋子中装有m只颜色各不相同的小球，每次从中任取一只，有放回取n次. 以X表示n次中摸到球的不同颜色数,求E(X). P168例3.4.3 解： 直接考虑X的分布列比较麻烦. 可用Xk表示第k种颜色是否被摸到， Xk=1：表示被摸到过， Xk=0：表示没被摸到过，则 对一个相对复杂的随机变量，我们可将该随机变量改写成 另外一些随机变量的和，再利用上面性质计算期望。 从而 k=1,2,…,m 于是 而且，容易知道Xk服从0-1分布 超几何分布期望的新求法。 N件产品中，M件次品；无放回抽取n件，次品数为X, 则 相应概率模型： 若记 第i次取到次品 第i次取到正品 则诸 都服从0-1分布，且 另外，根据彩票模型我们知道 于是 所以 性质２　设X, Y相互独立，则 （假定期望均存在） 独立时，积的期望＝期望之积 证明：略（P168） 推广：若X1,X2,…,Xn相互独立，则 说明： 该命题的逆命题不成立(见后面的相关性部分)。 性质3　设X, Y相互独立，则 （假定期望均存在） 独立时，和差的方差＝方差之和 证明：略（P168） 推广：若X1,X2,…,Xn相互独立，则 一般来说,一个随机向量的各个分量之间可能会有一定程度的关联.反映它们相互关联程度的一个特征数就是协方差. 1.定义: 设(X, Y)为一二维随机向量.若 存在, 则称之为X与Y的协方差,或称为X与Y的相关(中心)矩. 记为 显然 X与Y正相关 X与Y负相关 X与Y不相关 相关 2. 协方差的常用性质 性质1 性质２　设X, Y相互独立，则 注意, 性质2反之不然. 如: X～ , 而Y=X2. 则有 但是可以验证, X与Y并不相互独立. (补充练习:验证二者不独立) 独立要求更强 独立 不相关 性质3　设(X, Y)为二维随机向量，则 推论1: 若X与Y不相关, 则 推广： 性质4 根据协方差的定义可得 性质5 这里a为常数 推论2 性质6 这里a、b为常数 性质7 看 P172例3.4.7 超几何分布方差的新求法。 概率模型如前 同样记 第i次取到次品 第i次取到正品 则 服从超几何分布h(n,N,M). 于是 因 仍服从0-1分布，故 代入化简即可得超几何分布的方差。 例 设二维随机向量(X,Y)的联合密度函数为 试求 P172例3.4.8 解: 显然 需要计算 而 故 类似可得 又 所以 因此 1.定义: 设(X, Y)为一二维随机向量,且 均存在且非零, 则称 为X