04第四章 随机变量的数字特征.pptVIP

小结 六种常用随机变量的期望与方差 答: 答: EX1：设随机变量X??N(0,1)，Y?U(0,1)，Z?B(5,0.5),且X，Y，Z独立，求随机变量U=（2X+3Y)(4Z-1)的数学期望。 EX2 设随机变量 相互独立，且均服从 分布，求随机变量 的数学期望. 解：设r.v.X为掷一色子10次，所得点数之和。 Xi (i=1,2,···,10)为第i次掷得的点数。 则： Xi 的分布律为 Xi Pk 1 2 3 4 5 6 EX3: 独立重复掷一颗色子10次，求所得点数之和 的期望？ 如何定义？ §2 方差 方差是衡量随机变量取值波动程度 的一个数字特征。 可见 定义 (p85) 若E[X-E(X)]2存在，则称 E[X-E(X)]2 为r.v. X的方差，记为D(X)或Var(X). 称 为r.v.X的标准差或均方差. 证明: D(X)=E[X-E(X)]2 推论 D(X)=E(X2)-[E(X)]2. 例1：设随机变量X的概率密度为 1)求D(X), 2)求 证明: 方差的性质(P87) (1) D(c)=0 反之，若D（X）=0，则存在常数C，使 P{X=C}=1. (2) D(aX)=a2D(X), a为常数； 证明: X与Y独立 (3) 若 X，Y 独立，则 D(X+Y)=D(X)+D(Y); 1. 二项分布b(n, p)： 几个重要r.v.的方差(P90) 解法二: 设 第i次试验事件A发生 第i次试验事件A不发生 则 2. 泊松分布∏(?)： 3. 均匀分布U(a, b)： 4.指数分布： 5. 正态分布N(?, ?2)： 1.请给出一个离散型随机变量X和一个连续型随机变量Y，使它们的期望都是2，方差都是1。 2.已知随机变量X1,X2,…,Xn相互独立，且每个 Xi的期望都是0，方差都是1,令Y=X1+X2+…+Xn，求E（Y2） 思考 切比雪夫不等式(P87) 若r.v.X的期望和方差存在，则对任意??0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式： 解: 由切比雪夫不等式 令 已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价超过1+a元或低于1-a元的概率小于10%。 当Cov(X,Y)=0时，称X与Y不相关。 “X与Y独立”和“X与Y不相关”有何关系？ §3 协方差及相关系数 一、协方差定义与性质 定义 若r.v. X的期望E(X)和Y的期 望E(Y)存在, 则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]} 为X与Y的协方差, 易见 Cov(X, Y)=E(XY) - E(X)E(Y). (P91) 证: 例1 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。 故, X与Y不独立. 协方差性质 (P92) (1) Cov(X, Y)=Cov(Y, X); (2) Cov(X,X)=D(X); Cov(X,c)=0 (3) Cov(aX, bY)=abCov(X, Y), 其中a, b为 常数 (4) Cov(X+Y，Z)=Cov(X, Z)+Cov(Y, Z); (5) D(X+Y)=D(X)+D(Y)+2Cov(X, Y). D(X-Y)=D[X+(-Y)]=D(X)+D(Y)-2Cov(X,Y) (6) EX:设随机变量X?B（12,0.5),Y?N(0,1),Cov(X,Y)=-1,分别求V=4X+3Y+1与W=-2X+4Y的方差及V和W的协方差。 二、相关系数 定义 若r.v. X，Y的方差和协方差均存在, 且DX0,DY0，则 称为X与Y的相关系数. (P93) 相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； (3) X与Y不相关? ?XY=0; D 1 x=y 解： 设(X,Y)服从区域 D: 0x1,0yx 上的均匀分布,求X与Y的相关系数. 解： P87 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。 §4 矩与协方差矩阵(p98) 1. K阶(原点)矩 E(Xk), k=1, 2, … 2. K 阶中心矩 E[X-E(X)]k, k= 2, … 3. K+l 阶混合原点矩 E(Xk Yl), k, l=1, 2, … 4. K+l