数理统计与随机过程ch1-5分解.ppt

第三章 第四章总复习 n元正态分布的几条重要性质 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” 跳过例题 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. 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. 解: X~N(1,2),Y~N(0,1)，且X与Y独立, D(Z)=4D(X)+D(Y)=8+1=9 E(Z)=2E(X)-E(Y)+3=2+3=5 即 Z~N(E(Z), D(Z)) Z~N(5, 32) 故Z的概率密度是 Z~N(5, 32) 1. 设随机变量X的概率密度函数为 求X的期望 及方差 设随机变量X有概率密度函数 令 求 (1) Y的概率密度函数 当y1时， 为确定积分限,先找出使被积函数不为0的区域 例8 若X和Y 独立,具有共同的概率密度 求Z=X+Y的概率密度 . 解: 由卷积公式 也即 为确定积分限,先找出使被积函数不为0的区域 如图示: 也即 于是 例9 设二维随机向量(X,Y)的概率密度函数为 (1) 求X和Y的边缘概率密度函数 (2) 求X+Y的概率密度函数 y=x 解 (1) 可得X,Y不相互独立. (2) 为确定积分限,先找出使被积函数不为0的区域 当z 当z0, Case 2. 设二维连续型随机向量(X,Y)的密度函数为f(x,y),则: Case 1.设二维离散型随机向量(X,Y)的分布律为 pij i=1,2, ? ; j=1,2, ? .则: 跳过例题 设随机变量X和Y相互独立,概率密度函数分别为 求:E(XY) 解: ∵ G(X,Y)=XY,X和Y相互独立. 例 7 思考：E(X)=?如何求? X和Y相互独立 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 计算式 Cov(X,Y)=E(XY) -E(X)E(Y) 若X与Y独立， Cov(X,Y)= 0 . 但反过来不成立 为随机变量X和Y的相关系数 . 定义: 设D(X)0,D(Y)0, 称 X和Y独立时， =0，但其逆不真. X与Y独立 X与Y不相关 (X1,X2 )～N(?1,?2,?12,?22 ,?) ? X1～N(?1,?12 ),X2～N(?2,?22 ) (与参数?具体取何值无关) 跳过例题 例12.设二维随机向量(X,Y)的概率密度函数为 (1) 求常数A (2) 判断X，Y是否相互独立 (3) 求 例11设 答案： 例10 答案： 或 想想 第四章 数字特征 1. 数学期望 , r.v.函数的期望，期望的性质 （数学期望的性质） 1. 设C是常数，则E(C)=C; 4. 设X与Y独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X1+X2) = E(X1)+E(X2); （诸Xi 独立时） 技巧：计数器分解求期望！！！ 2. 方差 ，及其性质 D(X)=E{ [X-E(X)]2 } ＝E(X 2)-[E(X)]2 1. 设C是常数, 则D(C)=0, D(X+C)= D(X). 2. 若C是常数, 则D(CX)=C 2 D (X); 3. 若X1与X2 独立，则 D(X1+X2)= D(X1)+D(X2); 可推广为：若X1, X2, …, Xn相互独立, 则 对于多维随机变量，反映分量之间关系的数字特征中，最重要的就是 协方差和相关系数 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X)， 一、协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} Cov(X,X)= D(X) (4) Cov(a, X) = 0, a是常数 Cov(X,Y)=E(XY) -E(X)E(Y) 可见，