应用统计第四,五章教案资料.ppt

第四章 数字特征和特征函数;4.1 数学期望;4.1数学期望一?加权平均数; 后一种计算方法可认为是40,60,70,80,90和100这六个数的 加权平均数。一般地说，加权平均数可为; X 40 60 70 80 90 100 P 1/40 6/40 9/40 15/40 7/40 2/40;二.离散型随机变量的数学期望; 2.定理与推论 定理1 若 X~P{X=xk}=pk, k=1,2,…, 则Y=g(X)的期望;三.连续型随机变量的数学期望;从而;四、数学期望的性质;例1 用Y表示伯努利试验中首次成功时失败的次数，则 Y~P{Y= k}=(1?p)k p, k=0, 1, 2, …, ;例2 设 ;4.2 方差和矩;4.2 方差一. 定义与性质;3. 方差的性质 (1) D(aX+b)=a2D(X), a, b为常数； (2) 若 X，Y 独立，则 D(X+Y)=D(X)+D(Y); (3) D(X)=0?存在常数C，使 P{X=C}=1, 且C=E(X); (4) 对任意C?R, E(X?C)2 ? D(X), 且 minE(X?C)2=E[X?E(X)]2=D(X). 另外，;二.几个重要r.v.的期望与方差;2. 泊松分布p(?);3. 均匀分布U(a, b);;三、矩;4. k+l阶混合原点矩 E(Xk Yl), k, l=0, 1, 2, …； 5. k+l阶混合中心矩 E{[X?E(X)]k[Y?E(Y)]l}, k, l=0, 1, 2, …； 易知 cov(X, Y)=E{[X?E(X)][Y?E(Y)]} 是1+1阶混合中心矩。 可见矩对于随机变量而言是一般的数字特征，而数学 期望、方差等都是一些特殊的矩。;四、三个重要不等式; 推论4.2.1(切比雪夫不等式) 若r.v.X的期望和方差存在,则对任意??0，有; 定理4.2.2(柯西-许瓦兹不等式) 若r.v.X，Y的二阶原点矩存在，则有;4.3 随机向量的数字特征;一、协方差定义与性质;二、相关系数;2.相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{X= aY+b}=1； (3) X与Y不相关? cov(X, Y)=0; (4) X与Y独立，则X与Y不相关，反之不然。 证 (1)由柯西-许瓦兹不等式知;;例 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，则 X与Y不相关，但不是相互独立的。;;三、均值向量与协方差矩阵;协方差矩阵有如下性质： (1) C=C’, 其中C’为C的转置; (2) C是非负定矩阵，即对任意n维实向量? =(?1, …, ?n)’.有 ?’C? ? 0.;X =(X1，X2)’的概率密度为;.;故 ?XY=?. 可见，若（X，Y）服从二维正态分布，则X与Y独立的 充分必要条件是X与Y不相关。;四、条件数学期望及其性质;实际上，;4.4 随机变量的特征函数;2. 二项分布B(n, p): 若;4. 正态分布N(?, ?2): 若;三、特征函数的性质;四、概率分布的可加性;3. 正态分布N(?, ?2) 若X1, …, Xn相互独立，且;五、随机向量的特征函数 1. 定义 ;(3) 特征函数?(t1,···,t n) 在n维欧氏空间R n上一致连续； (4) k维随机向量X =(X1, ···, X k)’的特征函数为(0kn);六、r.v.的矩母函数; 设X和Y有矩母函数MX(t)和MY(t) 。如果X和Y的分布相同，即FX(z)=FY(z)，对所有的z∈R. 则必有MX(t)=MY(t)，t在0的附近。反之亦然。事实上，有;因此 ?=M’(0), ?2=M’’(0)?[M’(0)]2.;4.5 多元正态分布一、 n维正态分布的定义;定理 n维正态分布的特征函数为;二、正态随机向量的性质; 4. 设X=(X1,···, X n)’ ~N n( ?, B )，又 m维随机向量Y