概率论与数理统计 第三节(2版).pptVIP

随机向量 第三节 二维随机变量的数字特征 一维随机变量的数字特征： 第三节 二维随机向量的数字特征 本节内容简介： 例 设(X, Y)服从二维两点(0-1)分布，求(X, Y)的期望与方差。 第三节 二维随机向量的数字特征 本节内容： 定义式： 计算公式： 方差 协方差 方差 协方差 离差的平方的期望 离差的乘积的期望 平方的期望减期望的平方 乘积的期望减期望的乘积 方差是协方差的特例 协 协 方差是方差的推广 方差反映了随机变量本身的离散程度 协方差在一定程度上反映了X和Y相互间的关系 协调协作协同 例(p162) 已知二维随机向量(X,Y)的概率分布如 下表所示，求Cov(X,Y)． Cov(X, Y)=E(XY)-EXEY 0.3 0.2 0 0.1 0.1 0.3 0 1 0 1 2 Y X 例(p162) 已知二维随机向量(X,Y)的概率分布如 下表所示，求Cov(X,Y)． 再求出Z=XY的分布， 如下表所示 0.6 0.1 0.3 P 0 1 2 XY 得 E(XY) =0.7 ∴Cov(X, Y)=E(XY)-EXEY=0.7-0.5╳0.9=0.25 解 先求边缘分布， EX=0.5 EY=0.9 可得 1 0.4 0.3 0.3 0.5 0.5 0.3 0.2 0 0.1 0.1 0.3 0 1 0 1 2 Y X 协方差的性质: 1. Cov(X, Y)= Cov(Y, X) 3. Cov(aX, bY) = ab Cov(X, Y) 2. Cov(X, X)= DX, Cov(Y,Y)=DY 证 离差的 计算公式 4.Cov(X+a, Y+b) = Cov(X, Y) 证 5.Cov(X+Y, Z) = Cov(X, Z)+Cov(Y, Z) 证 离差的定义式 离差的定义式 6. Cov(X+Y, X-Y) =DX-DY 证 7. D(X±Y) = DX + DY±2Cov(X, Y) 证 5.Cov(X+Y, Z) = Cov(X, Z)+Cov(Y, Z) Cov(Z, X+Y) = Cov(Z, X)+Cov(Z, Y) 8. 若X与Y相互独立，则 Cov(X,Y) = 0 证 若X、Y独立，则 E(XY)=EXEY 故 Cov(X,Y) =E(XY)-EXEY=0 逆不成立 8. 若X与Y相互独立，则 Cov(X,Y) ＝0 6. Cov(X+Y, X-Y) =DX-DY 7. D(X±Y) = DX+DY±2Cov(X, Y) 4.Cov(X+a, Y+b) = Cov(X, Y) 5. Cov(X+Y, Z) = Cov(X, Z)+Cov(Y, Z) 1. Cov(X, Y)= Cov(Y, X) 3. Cov(aX, bY) = ab Cov(X, Y) 2. Cov(X, X)= DX, Cov(Y, Y)=DY 协方差的性质: 四、协方差 一、二维随机向量的数学期望与方差 二、二维随机向量函数的数学期望与方差 三、期望与方差的补充性质 五、相关系数 本节的重点和难点 反映了两个随机变量之间的关系 复习过渡 定义式： 计算公式： 离差的乘积的期望 乘积的期望减期望的乘积 四、协方差 8. 若X与Y相互独立，则 Cov(X,Y) ＝0 6. Cov(X+Y, X-Y) =DX-DY 7. D(X±Y) = DX+DY±2Cov(X, Y) 4.Cov(X+a, Y+b) = Cov(X, Y) 5. Cov(X+Y, Z) = Cov(X, Z)+Cov(Y, Z) 1. Cov(X, Y)= Cov(Y, X) 3. Cov(aX, bY) = ab Cov(X, Y) 2. Cov(X, X)= DX, Cov(Y, Y)=DY 协方差的性质: 方差是协方差的特例，协方差是方差的推广。 但协方差在反映X和Y相互间的关系上存在很大的局限性。 方差反映了随机变量本身的离散程度，而协方差的大小在一定程度上反映了X和Y相互间的关系。 １．协方差的具体意义不大明显． 若X、Y相互独立，则 若　　　　　　，则X、Y不独立. 什么关系？ ２．协方差的值还受X与Y本身度量单位的影响． 例如：X、Y表示测量误差， 已知ＥX=1cm，ＥY=3cm，E(