应用统计第四,五章学案.pptVIP

第四章 数字特征和特征函数 数学期望 方差和矩 随机向量的数字特征 r. v.的特征函数与矩母函数 多元正态分布 4.1 数学期望 加权平均数 离散型随机变量的数学期望 连续型随机变量的数学期望 数学期望的性质 4.1数学期望一?加权平均数 二.离散型随机变量的数学期望 三.连续型随机变量的数学期望 四、数学期望的性质 4.2 方差和矩 方差的定义和性质 矩的概念 4.2 方差一. 定义与性质 二.几个重要r.v.的期望与方差 三、矩 四、三个重要不等式 4.3 随机向量的数字特征 协方差定义与性质 相关系数 随机向量的均值向量和协方差矩阵 条件数学期望 一、协方差定义与性质 二、相关系数 三、均值向量与协方差矩阵 四、条件数学期望及其性质 4.4 随机变量的特征函数 三、特征函数的性质 四、概率分布的可加性 六、r.v.的矩母函数 4.5 多元正态分布一、 n维正态分布的定义 二、正态随机向量的性质 第五章 大数定律与中心极限定理 随机变量序列的四种收敛性 大数定律 中心极限定理 5.1 随机变量序列的四种收敛性 5.2 大数定律 依概率收敛 几个常用的大数定律 切比雪夫大数定律 伯努里大数定律 辛钦大数定律 5.2 大数定律一.依概率收敛 二.几个常用的大数定律 5.3 中心极限定理 依分布收敛 几个常用的中心极限定理 独立同分布中心极限定理 李雅普诺夫中心极限定理 德莫佛-拉普拉斯中心极限定理 大数定律与中心极限定理的关系 5.3 中心极限定理一.依分布收敛 二.几个常用的中心极限定理 三.大数定律与中心极限定理的关系 1. 均值向量 设X1，… , Xn为n个r.v., 则称列向量 X= 2. 协方差矩阵及其性质 设X1，… , Xn为n个r.v., 记cij=cov(Xi, Xj), i, j=1, 2, …, n. 则称由cij组成的矩阵为r.v. X1，… , Xn的协方差矩阵C。即 为概率空间上的一个n维随机向量。其数学期望规定为 . ) , , ( 1 n EX EX EX L = 设a, b为n维实向量，则 E(aX + b)= aE(X) + b. 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. 易知 ). )( ( EX X EX X E DX C - - = = ú ú ú ú ú ? ù ê ê ê ê ê ? é = = ′ nn n n n n n n ij c c c c c c c c c c C ... ... ... ... ... ... ... ) ( 2 1 2 22 21 1 12 11 X =(X1，X2)’的概率密度为 . n X , ) X , , X ( X ) , , ( , ) x , , x ( x )}, x ( C ) x ( 2 1 exp{ | C | ) 2 ( 1 ) x ( f ) C , ( N ~ ) X , , X ( X , n 1 n 1 n 1 1 2 / 1 2 / n n 1 维正态分布 服从 称 均值向量 的 为 其中 则 若 一般地 L L L L = m m = m = m - m - - p = m = - 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。 1. 条件数学期望的定义 设(Ｘ，Ｙ)是二维随机变量，若在Ｙ＝y的条件下， 绝对收敛，则称其为Ｙ＝y的条件下，Ｘ的条件数学期望．记 其为Ｅ[Ｘ|Ｙ＝y]，即 　　　　　Ｅ[Ｘ|Ｙ＝y]＝ 同理，有 实际上， ?(X)=E[Y|X]称为随机变量Ｙ关于Ｘ的条件数学期望． ２．条件数学期望的性质 　(1) E[?(X)]＝E[E(Y|X)]＝E[Ｙ]． 　(2) ?(X)=E[Y|X] 是对随机变量Ｙ的最佳预测．即　 (3) E[g(Y)·X|Y]= g(Y)· E[X|Y]． (4) E[(aX+bY)|Z]= aE[X|Z]+bE[Y|Z], (a, b 为常数). 一、特征函数的定义 其中i= 称为r.v.X的特征函数. 一般的，特征函数可由定义直接计算： 2. 二项分布B(n, p): 若 3