3.5 随机变量的字特征、契贝晓夫不等式.docVIP

§3.5 随机变量的数字特征、契贝晓夫不等式 一、数学期望 1、定义： 若X～p(x),-x,,则称 为X的数学期望。 例1.若随机变量X服从拉普拉斯分布，其密度函数为 试求E(X). 2.几个重要r.v.的期望 （1）均匀分布U(a,b) （2）指数分布： （3）正态分布N()：～例2：设随机变量X服从标准正态分布，求随机变量Y=aX+b的数学期望(其中a0) 3、随机变量函数的期望 定理3.2：若X～p(x),-x,则Y=g(X)的期望 定理3.3：若(X,Y)～x,y),-x,-y,则Z=g(X,Y)的期望 例3:长途汽车起点站于每时的10分、30分、55分发车，设乘客不知发车时间，于每小时的任意时刻随机地到达车站，求乘客的平均候车时间。 例4：设X服从N(0,1)分布，求E(X2),E(X3),E(X4) 4. 数学期望的性质 (1)E(c)=c,c为常数； (2)E(cX+dY)=cE(X)+dE(Y),c,d为常数； (3)若X与Y独立，则E(XY)=E(X)E(Y)。 例5：设随机变量X(N(0,1)，Y(U(0,1)，Z(B(5,0.5),且X，Y，Z独立，求随机变量U=（2X+3Y） 例6：设随机变量相互独立，且均服从分布，求随机变量的数学期望。 二.方差 1.定义：若E(X),E(X2)存在，则称E[X-E(X)]2为r.v.X的方差，记为D(X),或Var(X)。 称为r.v.X的标准差。 易见，若X～p(x)2.推论：D(X)=E(X2)-[E(X)]2. 例1：设随机变量X的概率密度为 D(X)；2)求。 3．契贝晓夫不等式 若r.v.X的期望和方差存在，则对任意(0，有 这就是著名的契贝晓夫 (Chebyshev)不等式，它有以下等价的形式： 证明： 4、方差的性质 (1)D(c)=0。反之，若D（X）=0，则存在常数C，使P{X=C}=1,且C=E(X)； (2)D(aX)=a2D(X),a为常数； (3)若X，Y独立，则D(X+Y)=D(X)+D(Y)； 证明：（1） （3） 5．几个重要的r.v.的方差 （1）均匀分布U(a,b)： （2）指数分布： （3）正态分布N()： 例：已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价超过1+a元或低于1-a元的概率小于10%。 三.协方差与相关系数 1．协方差定义与性质 (1)协方差定义:若r.v.X的期望E(X)和Y的期望E(Y)存在,则称 COV(X,Y)=E{[X(E(X)][Y(E(Y)]}. 为X与Y的协方差。 易见COV(X,Y)=E(XY)-E(X)E(Y). （2）协方差性质 1）COV(X,Y)=COV(Y,X)； 2）COV(X,X)=D(X)；COV(X,c)=0 3）COV(aX,bY)=abCOV(X,Y),其中a,b为常数； 4)COV(X+Y，Z)=COV(X,Z)+COV(Y,Z)； 5)D(XY)=D(X)+D(Y)2COV(X,Y)。 例1:设随机变量X(B(12,0.5),Y(N(0,1),COV(X,Y)=-1,求V=4X+3Y+1与W=-2X+4Y的方差与协方差。 2.相关系数 (1)定义:若r.v.X，Y的方差和协方差均存在,且DX0,DY0，则 称为X与Y的相关系数. 注：1)若记,称为X的标准化，易知EX*=0，DX*=1.且 2）XY=0时，称X与Y不相关。 (2)相关系数的性质（定理3.5） 1)|XY|1； 2)|XY|=1充要条件是存在常数a,b使P{Y=aX+b}=1； 3)X与Y不相关的充要条件是XY=0COV(X,Y)=0 引理：若(X,Y)是一个二维随机变量，又，则有 推论: 例2.设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数。 问题:“X与Y独立”和“X与Y不相关”有何关系？ 例4(p1853.36):设(X,Y)在D={(X,Y)：x2+y21}上服从均匀分布，求证：X与Y不相关，但不是相互独立的. 若（X，Y）服从二维正态分布，则X与Y独立的充分必要条件是X与Y不相关。 四.矩 1.K阶原点矩：Ak=E(Xk),k=1,2,…；而E(|X|k)称为X的K阶绝对原点矩； 2.K阶中心矩：Bk=E[X-E(X)]k,k=1, 2, …；而E|X-E(X)|k称为X的K阶绝对中心矩； 3.K+l阶混合原点矩：E(XkYl),k,l=0,1,2,…； 4.K+l阶混合中心矩：E{[X(E(X)]k[Y(E(Y)]l},k,l=0,1,2,…； 例4:设(X,Y)服从N(1,0,32,42,-0.5)分布，Z=X/3+Y/2 1)求Z的概率密度；2)求X与Z的相关系数；3)问X与Z是否相互独立？为什么？ 4