二维随机变量的数字特征详解.ppt

由于当X和Y独立时，Cov(X,Y)= 0. 故 请看下例. 二、相关系数 3. X和Y独立时， =0，即X与Y不相关. 注： 时，只说明Y与X之间没有线性关系， 并不能说明Y与X之间没有其他函数关系， 从而不能推出Y与X相互独立. 从而 即X与Y不相关 . 即X与Y不独立 . 解 六、相关系数 但X与Y满足 例4 设 服从 上的均匀分布， ， ，判断X与Y是否相关，是否独立？ 定理 若随机变量X与Y的方差都存在，且均不 为零；则下列四个命题等价. （1） ； （2）Cov(X ,Y) = 0； （3）E(XY)=EX·EY； （4）D(X ±Y)=DX+DY. 六、相关系数 但可以证明对下述情形，独立与不相关等价 前面，我们已经看到： 若 X 与 Y 独立，则X与Y不相关. 但由X与Y不相关，不一定能推出X与Y独立. 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 六、相关系数 解 例5 设二维连续型随机变量(X, Y)的联合密度为 求(X, Y)的协方差及相关系数. 六、相关系数 六、相关系数 二、相关系数 例6 设 且相互独立， 试求 的相关系数 (其中 是不全为0的常数). 二、相关系数 练习 1. 已知二维连续型随机变量(X,Y)的联合密度为 求 E(X). 练习 设二维连续型随机变量(X, Y)的联合密度为 求Cov(X, Y). 解 随机变量的数字特征 数学期望 一、离散型随机向量的数学期望 一、离散型随机向量的数学期望 解 例1 设 ( X , Y ) 的分布律为 求 一、离散型随机向量的数学期望 一、离散型随机向量的数学期望 二、二维连续型随机变量的数学期望 二、连续型随机变量的数学期望 设(X, Y)为二维连续型随机变量，则 例2 设(X, Y)服从G上的均匀分布，其中G为xoy平面内由x轴、y轴及 围城的三角区域. 求 E(X)，E(Y). 解 二、连续型随机向量的数学期望 该公式的重要性在于，当我们求E[g(X)]时, 不必知道g(X)的分布，只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便. 三、随机变量函数的数学期望 定理2 设g (X,Y) 是随机变量X、Y的函数，且 E[g(X,Y)]存在 (2) 如果X、Y是连续型随机变量，联合概率密度 为 f(x, y)，则 (1) 如果X、Y是离散型随机变量，联合概率分 布为 pij , i,j=1,2, …，则 三、随机变量函数的数学期望 解 例3 设 ( X , Y ) 的分布律为 求 三、随机变量函数的数学期望 三、随机变量函数的数学期望 例11 解 三、随机变量函数的数学期望 三、随机变量函数的数学期望 方差的定义 四、随机向量的方差 二维随机变量方差的计算方法与一维类似，但需要先根据联合分布计算边缘分布，再根据具体公式求解方差。 四、随机向量的方差 四、随机向量的方差 五、协方差 1. 定义 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 2. 性质 (1) Cov(X,C)= 0, C为常数 (2) Cov(X,X)= D(X) (3) Cov(X,Y)= Cov(Y,X) Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 五、协方差 (6) Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) (5) Cov(aX,bY) = ab Cov(X,Y) a,b 是常数 (7) D(X±Y)=D(X)+D(Y)±2Cov(X,Y) (4) Cov(aX+b, Y) = a Cov(X,Y) a,b 是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X 与 Y 独立， 则Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 五、协方差 五、协方差 例1 已知离散型随机变量(X, Y)的概率分布如下： 求 解 易求得X，Y的概率分布分别为 从而 五