概率论ch4资料.pptVIP

第四章 随机变量的数字特征 §3 . 协方差与相关系数 以下几个命题等价： Cov( X, Y )=0 ； 作业一’ P113 1, 4(1), 5, 6, 7, 作业二’p115 8, 9(1), 11，22，23,   25（1） 作业三’p116 26, 29, 32, 34(1), 36 若 X1, X2, …, Xn 两两独立,，上式化为： 一般地， 协方差的大小在一定程度上反映了X和Y相互间的关系，但它还受X与Y本身度量单位的影响. 例如： Cov(kX, kY)=k2Cov(X,Y) 为了克服这一缺点，对协方差进行标准化，这就引入了相关系数 。 二、相关系数 定义: 设 D(X )0, D(Y )0, 称 为随机变量X和Y的相关系数 。 在不致引起混淆时，记 为 。 相关系数的性质： 证: 由方差的性质和协方差的定义知，对任意实数b，有： D(Y- bX)= 0≤ =b2D(X)+ D(Y)- 2b Cov ( X,Y ) D(Y) + D(bX) - 2 Cov (bX,Y ) D(Y- bX)= 0≤ b2D(X) + D(Y) - 2b Cov ( X,Y ) 令 ，则上式为 D(Y- bX)= 由于方差 DY 是正的,故必有 1- ≥ 0,所以 | |≤1。 2. X和Y独立时， =0，但其逆不真. 由于当 X 和 Y 独立时，Cov ( X,Y ) = 0. = 0 但由 并不一定能推出 X 和 Y 独立. 请看下例： 例1 设X服从(-1/2, 1/2)内的均匀分布,而 Y = cos X 因而 =0 ， 即 X 和Y 不相关 . 但 Y 与 X 有严格的函数关系，即 X 和 Y 不独立。 = 0 存在常数a,b(b≠0）， 使P{ Y= a+bX }=1， 即 X 和Y 以概率 1 线性相关. 4. ρX Y =0 称 X，Y 不相关 相关系数刻划了X和Y间“线性相关”的程度. D( X+Y )=D(X)+D(Y) ； E(XY )=E(X)E(Y) ； ρX Y =0 ； X,Y 不相关 。 前面，我们已经看到： 若X与Y独立，则X与Y不相关，但由 X 与 Y 不相关，不一定能推出 X 与Y 独立。 但对下述情形，独立与不相关等价 若( X,Y )服从二维正态分布，则 X 与 Y 独立 X 与 Y 不相关 三、 矩、协方差矩阵 设X和Y是随机变量， k阶原点矩： k阶中心矩： k+l 阶混合原点矩： k, l = 1, 2, … k+l 阶混合中心矩： k, l = 1, 2, … k+l 阶混合原点矩： k, l = 1, 2, … k+l 阶混合原点矩： 协方差矩阵的定义 将二维随机变量（X1, X2）的四个二阶中心矩 排成矩阵的形式: 称此矩阵为（X1, X2）的协方差矩阵。 类似定义n维随机变量 ( X1, X2, …, Xn ) 的协方差矩阵： 都存在, i, j=1,2,…,n 若 称矩阵： 为 ( X1, X2, …, Xn ) 的协方差矩阵。 下面给出n维正态分布的概率密度的定义. 设 = ( X1, X2, …, Xn ) 是一个n维随机向量,若它的概率密度为： f ( x1, x2, …,xn ) 则称 X 服从n元正态分布。 其中C是( X1, X2, …,Xn ) 的协方差矩阵。 |C|是它的行列式， 表示C的逆矩阵， X 和 是n维列向量， 表示 X 的转置。 n元正态分布的几条重要性质 1. X=(X1,X2, …,Xn)服从n元正态分布 a1X1+ a2 X2+ …+ an Xn均服从正态分布. 对一切不全为0的实数a1,a2,…,an， 2. 若 X = ( X1, X2, … , Xn ) 服从n元正态分布， Y1, Y2, …, Yk 是 Xj（j=1,2,…,n）的线性函数， 则( Y1,Y2, …, Yk )也服从多元正态分布. 这一性质称为正态变量的线性变换不变性。 3. 设 ( X1, X2, … , Xn ) 服从n元正态分布，则 “ X1, X2, …, Xn 相互独立 ” 等价于 “ X1, X2, …, Xn 两两不相关” 例2 设随机变量X和Y相互独立且 X~ N( 1, 2 ), Y ~ N( 0 , 1 ) 。试求 Z=2X-Y+3 的概率密度。 解: X~N(1,2),Y~N(0,1)，且X与Y独立，故X和Y的联合分布为正态分布，X和Y的任意线性组合是正态分布。 即 ：