第六讲多维随机变量的数字特征.docVIP

多维随机变量的数字特征 对于多维随机变量，常用协方差（相关矩）、相关系数或协方差阵来描写随机变量分量之间的关系。例如对二维的（），可以有如下定义： 1．协方差： 协方差性质： a) ， b) ， c) ， d) 。 2．相关系数：，是关于 ， 间线性关系的一种度量。 性质：||≤1； 当=0时，称 ，不相关； 当= ，则 ， 以概率1线性相关，（即成立 ，其中 为两个确定性常数， 的符号与符号一致）。 注意“=”不等价于“”。 =0即 ， 不相关有以下几个等价提法： a) b) c) 比较“不相关”与“独立”二个概念时应注意： 独立一定不相关，反之不然。 设 ， 为两个二点分布，则独立与不相关等价。 例1．设随机变量 ， 均服从二点分布，试证 ， 不相关的充要条件是它们相互独立。 证明：考虑到对任意分布的随机变量 ，独立，必不相关，故充分性是显然的。 现证必要性：设，，作变换，，则，，由于（）独立或不相关的充要条件为（,）独立或不相关，故问题化为对（）的讨论。今设它们联合分布为: Y X 0 1 0 1 考虑到，不相关充要条件为: ， 即 = （*）， 故为证（）独立性，只需证余下的三个乘积关系成立。今以 = 为例进行说明。实际上注意到=―，并把它代入到已证等式（*）后有=―=（1―）= 这就是所需独立性关系中第二式，其余二式可类似证明，从而（）独立。 例2．设，是两随机事件，令随机变量 = ，= 试证明：，不相关的充要条件是，相互独立。 证明一:令，，则，显然分别是，的示性函数，由于，独立的充要条件是，独立，利用例1．的结论，，不相关的充要条件是，独立，故只需证明（，）不相关充要条件是（）不相关。实际上=注意到单点分布与任意随机变量都独立，而独立随机变量的相关矩等于0，故有：，从而它们间不相关性等价。 证明二:记 ， ，，显然有 ， 类似地， 。 现在求 ，由于仅有1与-1两种可能，故 。 由于 ， 而 ， 故 ， 从而在，不相关时，由其充要条件 可知成立 ， 即，即，不相关当且仅当，独立。 多元联合正态分布时，独立与不相关等价，实际上二元正态分布密度函数中的参数就是 ， 的相关系数 。 3．协方差阵： =，其中。 协方差阵是度量 ， 间关系的各种二阶矩，可以证明它是对称非负定阵（在很多场合下，它往往是正定的）。 对于多维正态分布，其密度函数可以用向量矩阵形式表示，其中的是数学期望构成的列向量，是协方差矩阵，而对应的正态分布记为。我们在前面的“可加性”部分曾提到过正态分布具有可加性。实际上更仔细地可以证明有：设=为维的正态分布记为 ，其中的= ，是协方差阵 ，若其线性组合构成新的维随机变量= ，其中是维的确定性数字阵，则~，利用该定理中的，我们可以讨论 的数学期望以及 的方差与相关系数（具体过程可见后面的例子），而 的密度函数仍可用第三章1.中的指数形式给出，只不过列向量与矩阵的维数应作相应的调整。 例1．设（，）服从二维正态分布， ， ， ，令= ，求 ，， ，并问 ， 独立否？ 解法一：利用 运算符性质计算： ， 。 为算 ，先算 = 而由于构成新的二维正态分布，其独立性等价于不相关性，故 ， 独立。 解法二：利用二维正态分布线性组合间的数字特征关系计算：由已知（ ，） ，其中 ，是（，）的协方差阵，即 ，注意到 即 ，故所以 ，另外由 = 立即知 ， 。这样考虑到服从二维正态分布 ，故由 ，可知 ， 独立。 注：此地我们利用了结论：服从二维正态分布 。