概率论浙大精品解说.pptVIP

Variable 1 Variable 2 Data Correlations Variable 1 Variable 2 Data Correlations Variable 1 Variable 2 Data Correlations % Compute sample correlation [r] = corrcoef([var1,var2]) Variable 1 Variable 2 Data Correlations % Compute sample correlation [r] = corrcoef([var1,var2]) r = 1.0000 0.7051 0.7051 1.0000 相关系数等于：－0.59479245787995 应用1：缺陷检测 例1：设X,Y服从同一分布，其分布律为： X -1 0 1 P 1/4 1/2 1/4 已知P(|????X|?=|Y|? )=0,判断X和Y是否不相关？是否 不独立？ 续 例 2 续 例3：设X,Y相互独立服从同一分布， 记U=X-Y,V=X+Y,则随机变量U与V是否一 定不相关，是否一定独立？ §4 矩、协方差矩阵 显然，数学期望是一阶原点矩，方差是二阶中心矩， 协方差　是二阶混合中心矩。 n维正态变量具有以下四条重要性质： 方差可以认为是噪声 性质2说明了D(-X)=D(X) 但是，绝对值（大 ） 平方（大) 所以我们研究 方差 定义 设X是一随机变量， 为标准差或均方差。 存在，则称之为X的方差。记为D(X)或Var(X)， 即 方差实际上是一个特殊的函数 g(X) =(X-E(X))2 的期望 对于离散型随机变量X， 对于连续型随机变量X， 此外，利用数学期望的性质，可得方差得计算公式(常用)： 例1：设随机变量X具有数学期望 例2：设随机变量X具有0-1分布，其分布律为： 解： 例3： 解： 例4： 解：X的概率密度为： 例5：设随机变量X服从指数分布，其概率密度 为： 即对指数分布而言，方差是均值的平方，而均值恰为参数θ 方差的性质： 证明： X与Y 相互独立：已知EX=3；DX=1；EY=2；DY=3 。 E(X-2Y)；D(X-2Y) 。 解：由数学期望和方差的性质 　　　　　　 ???　　　　　　  例6： Xk pk 0 1 1-p p 例7： 解： 例8：设活塞的直径(以cm计) 汽缸的直径 X,Y相互独 立，任取一只活塞，任取一只汽缸，求活塞能装入汽缸的概率。 表1 几种常见分布的均值与方差 数学期望 方差 分布率或 密度函数 分布 0－1分布 p p(1-p) 二项分布b(n,p) np np(1-p) 泊松分布 均匀分布U(a,b) 指数分布 正态分布 几个与期望及方差有关的练习题 1、设X的数学期望E(X)=2,方差D(X)=4,则E(X2)= ； 2、设X~ B(n,p),已知E(X)=1.6 , D(X)=1.28,则 n= ; P= ; 3、设X~ P(λ)，且P(X=1)=P(X=2),则E(X)= , D(X)= ; 总结方差的计算方法 定义法：函数的数学期望 方差的性质 常用公式：D(X)=E(X2)-[E(X)]2 X分解成数个相互独立的随机变量之和，利用D(X)=D (X1 +X2+…+Xn)= D (X1)+ D (X2)+… +D (Xn)” 根据题型，以上方法可能独立使用，也可能结合使用。 §3 协方差及相关系数 对于二维随机变量(X,Y)，除了讨论X与Y的数学期望和方差外，还需讨论描述X与Y之间相互关系的数字特征。这就是本节的内容。 定义： 协方差的计算 证(2): 注: X,Y相互独立 协方差的性质： 思考题： 证明4)：利用 例1、设(X,Y)的分布律为： 0 1 0 1-p 0 1 0 p 求COV(X,Y). 0 1 0 1-p 0 1 0 p 易知: X 0 1 Y 0 1 E(X)=P E(Y)=P 例2：设(