dfs-service-概率论与随机过程第1章7-10(v14).ppt

* * * 以上EX的结果说明了什么？ 解1) 2) * * 相关系数 rxy 的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； (3) X与Y不相关 ? ?XY=0 ; 独立、相关、正交 f(x,y)= f(x) f(y) X，Y相互独立； E(XY)=E(X)E(Y)/ C=0/ rxy=0 X，Y互不相关； E(XY)=0 X，Y正交。 只有当(X,Y)服从二维正态分布时， 相互独立?不相关 相互独立 不相关 续 续 矩、协方差矩阵 * * 协方差矩阵：设 的二阶中心矩 都存在，则称 为n维随机变量的协方差矩阵。因为 ，故C为对称阵。 利用协方差矩阵，可由二维正态变量的概率密度推广，得到n维正态变量的概率密度。 n维正态变量具有以下四条重要性质： * * 六种常用随机变量的期望与方差 本节小结 * * 　　　作业：27-41 补充 8 * * §10 大数定律和中心极限定律 (一) 大数定律（辛钦） 问题：随着试验次数的增多，事件发生的频率逐渐趋于某常数。大量测量值的算术平均值，随测量次数的增加是否也具有稳定性？ 定理1 设随机变量X1，X2，…，Xn，….相互独立，且具有相同的 E{X}=m 和 D(X)=s2 ，k＝1, 2,… 则 有 采用极限的方法研究大量的随机现象的统计规律性．　 大数定理－－大量随机现象总的平均结果的稳定性； 中心极限定理－－独立随机变量之和的极限分布特性 * * 物理意义：具有相同E{X}=m 和 D(X)=s2 ，相互独立的随机变量X1, X2, …,Xn, …., 其算术平均值 构成的随机变量Yn, …依概率1收敛于 m 。 证: 令 常数 r.v. * * 由契比雪夫不等式 可知 。# * * 定理 2 设 nA 是n 次独立试验中事件A中发生的次数，p是A在每次试验中发生的概率，则对任意 e0 有 物理意义：事件发生的频率 依概率1收敛于事件 的概率p。 即：大数定理 数学上严格地证明了: 试验次数很大时，可用事件发生的频率代替事件的概率。而不能写成下式. * * 例1 .某地区有7000名产妇，已知男婴的出生率为22/43, 试估计大致有多少名男婴出生． 解： 设： 则７０００名产妇中生男婴数为： 由大数定理 可得：　 * * (二)中心极限定理 问题: 实际中，有这样一种随机事件，它是由大量的相互独立的随机因素的总体影响形成的，且其中每一个个别因素对总体影响的作用都是微小的，这种随机事件所对应的随机变量的分布函数F(x)=? 正态分布的重要性 ! * * 定理3. ( 独立同分布的中心极限定理 ）设随机变量X1, X2, …, Xn, …相互独立，服从同一分布，且 ，则随机变量， 当n很大时， 分布。 * * e.g. r.v. Xi 独立,且在（0，T）上均匀分布