第04章-随机变量的数字特征.ppt

一、填空题 二、选择题 解：记X表示掷出一点的次数，则 二、选择题 三、解答题 X 0 1 2 3 三、解答题 物品的重量是一个随机变量 U , X 1 2 3 Y 1 2 3 4 Z 1 2 3 三、解答题 三、解答题 A胜 4 场 + B胜 4 场 A胜 4 场 A在前4场中胜 3场, B胜1场 第5 场A必胜 三、解答题 1 2 3 … n … 四、证明题 证 故 奇函数 随机变量函数 的数学期望 * * * * 二、相关系数 为随机变量 X 和 Y 的相关系数 . 定义: 设D X 0, D Y 0, 称 在不致引起混淆时，记 为 . 注： 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 0≤D Y-bX b2D X +D Y -2b Cov X,Y 令 ，则上式为 D Y- bX 因方差D Y 为正,故必有1- ≥ 0,所以 | |≤1。 相关系数的性质： 证: 考虑t的函数 对任意t, 有 判别式 故 而 存在常数 a,b b≠0）， 使 P Y a + b X 1， 即 X 和 Y 以概率 1 线性相关. 考虑以X的线性函数a+bX来近似表示Y， 以均方误差 e E [Y- a+bX ]2 来衡量以 a +b X 近似表示Y 的好坏程度 : e 值越小表示 a +b X 与 Y 的近似程度越好. 用微积分中求极值的方法，求出使e 达到最小时的 a,b 相关系数刻划了X和Y间“线性相关”的程度. E Y2 +b2E X2 +a2- 2bE XY +2abE X - 2aE Y e E [Y- a+bX ]2 解得 这样求出的最佳逼近为L X a0+b0X 这一逼近的剩余是 若 0， Y 与 X 无线性关系，即不相关; Y与X以概率1存在线性关系; 若 若 0 | | 1, | | 的值越接近于1, Y与X的线性相关程度越高; | | 的值越接近于0, Y与X的线性相关程度越弱. E[ Y-L X 2] D Y 1- 3. X和Y 独立时， 0. 证：由于当X和Y独立时，Cov X,Y 0. 故 0 但由 并不一定能推出X和Y 独立. 请看下述反例： 称作X与Y不相关. 注：其逆不真 即，独立一定不相关. 例 设X~N 0,1 ，且Y X2， 试证明: 1 Y与X不相关; 2 Y与X不独立. 证明：（1） 故 进而 例 设X~N 0,1 ，且Y X2， 试证明: 1 Y与X不相关; 2 Y与X不独立. 证明：（2） 故X与Y不独立. 结论：独立一定不相关，反之未必成立. 由X的密度函数 例1 设X服从 -1/2, 1/2 内的均匀分布 , 而Y cos X. 因而 0， 此时称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 . 对一般二维随机变量 X,Y ：独立 不相关。 对服从二维正态分布的随机变量 X,Y ： 书上证明了X,Y的相关系数就是r。 前面证明过： X,Y独立? r 0。 故： X,Y独立? X,Y不相关。 若 X,Y 服从二维正态分布，则 X与Y独立 X与Y不相关 三、课堂练习 1、 2、 1、解 2、解 四、小结 这一节我们介绍了协方差、相关系数、 相关系数是刻划两个变量间线性相关程度的一个重要的数字特征. 注意独立与不相关并不是等价的. 当 X,Y 服从二维正态分布时，有 X 与 Y 独立 X 与 Y 不相关 第四节矩与协方差矩阵 一、 原点矩，中心矩 定义 设X和Y是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩 存在，称它为X的k阶中心矩 均值 E X 是X一阶原点矩 方差D X 是X的二阶中心矩 协方差Cov X,Y 是X和Y的二阶混合中心矩. 称它为 X 和 Y 的 k+l 阶混合（原点）矩. 若 存在， 称它为X 和 Y 的 k+l 阶混合中心矩. 设 X 和 Y 是随机变量，若 k,l 1,2,… 存在， 二、协方差矩阵 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. 对称矩阵 例 设二维随机变量（X,Y）的协方差矩阵为 求 类似定义n 维随机变量 X1,X2, …,Xn 的协方差矩阵. 为 X1,X2, …,Xn 的协方差矩阵 都存在, i, j 1,2,…,n 若 矩阵 称 n维正态分布 先回顾二维正态分布： 二维随机变量 X1,X2 的概率密度为 记 X1,X2的协方差矩阵 经计算 从而二维随机变量 X1,X2 的概率密度可写作 作n维推广，便可定义n维正态分布： 为协方差矩阵. 定义 n维正