概率论与数理统计+维连续性随机变量及其分布.pptVIP

64页例4 设 X,Y 的密度函数为 例5 X,Y 分布律如下，求cov X,Y 例5 X,Y 分布律如下，求cov X,Y 例6 例7 设 X ,Y ~ N 1,4, 1,4, 0.5 , Z X + Y , 求 ? XZ 例8 θ～U[-π,π],X sin θ, Y cos θ,X,Y是否相关，是否独立？ n维随机变量X1,X2,…,Xn服从正态分布，则Xi都是一维正态；若Xi是一维正态，且相互独立，则X1,X2,…,Xn服从n维正态。 概率论与数理统计 n维随机变量X1,X2,…,Xn服从正态分布的充要条件是X1,X2,…,Xn 的任意线性组合都服从一维正态。 对n维正态分布来说，独立与线性相关是等价的。 * LOGO 解 概率论与数理统计 概率论与数理统计 故X,Y不独立。 求 1 C的值; 2 边缘密度函数. 解 概率论与数理统计 概率论与数理统计 （一）随机变量的数学期望 1.离散型随机变量的数学期望 设X的分布律为 则 2.连续型随机变量的数学期望 设连续型随机变量X的密度函数为f x ,则 概率论与数理统计 Review 概率论与数理统计 3.随机变量函数的数学期望 （1）X为随机变量，Y g X , 离散型： 连续型： 2 X,Y 为二维随机变量, Z g X,Y , 离散型： 连续型： 概率论与数理统计 解 概率论与数理统计 概率论与数理统计 1.E C C 2. E aX a E X 3.E X + Y E X + E Y 4.当X ,Y 独立时，E X Y E X E Y . 线性性质 （二）方差 1.定义 D X E [X-E X ]2 标准差： 2.计算 2 离散型： 3 连续型： 概率论与数理统计 1 计算公式：D X E X2 -E2 X . 概率论与数理统计 1 D C 0; 2 D CX C2D X ; 3 若X, Y相互独立,则 D X+Y D X +D Y . D X-Y D X +D Y . 概率论与数理统计 例1 解 已知随机变量 X 的分布律为 求D X . 概率论与数理统计 例2 解 概率论与数理统计 例3 设X～b n,p ,求E X ,D X . 解 X表示重伯努利试验中“成功的次数”，令 且Xi服从0-1分布，则 又Xi之间相互独立， 概率论与数理统计 例4 已知标准正态分布N 0,1 的期望是0，方差是1。设X～N μ,σ2 ,求E X ,D X . 解 随机变量的标准化： 指数分布 正态分布 均匀分布 泊松分布 np 1-p np 二项分布B 1,p p 1-p p 0-1分布B 1,p 方差 数学期望 分布 概率论与数理统计 问题 对于二维随机变量 X ,Y : 联合分布 边缘分布 对二维随机变量,除每个随机变量各自 的概率特性外, 相互之间可能还有某种联系 该用一个怎样的数去反映这种联系呢？ 数 能反映随机变量 X , Y 之间的线性关系 § 4.4 概率论与数理统计 为 X ,Y 的协方差. 记为 称 为（X , Y ）的协方差矩阵 称 定义 定义 概率论与数理统计 计算公式： cov X,Y E XY -E X E Y . 概率论与数理统计 解 X,Y的分布律分别如下： 概率论与数理统计 概率论与数理统计 解 概率论与数理统计 1.cov X,X D X 5.当X ,Y 独立时，cov X ,Y 0 . 对称性 2.cov X,Y cov Y,X 3.cov aX,bY abcov X,Y 6.cov C,X 0 4.cov X1 +X2,Y cov X1,Y + cov X2,Y 而当cov X ,Y 0， X ,Y并不一定独立. X,Y线性不相关 7.D X+Y D X +D Y +2cov X,Y D X-Y D X +D Y -2cov X,Y 为了消除量纲对协方差值的影响,我们把X,Y标准化后再求协方差 概率论与数理统计 若D X 0, D Y 0 ,称 为X ,Y 的 线性相关系数，记为 若 称 X ,Y 线性不相关. 概率论与数理统计 概率论与数理统计 1.|ρXY|≤1 2.当X ,Y 独立时， ρXY 0 . 3. |ρXY|越大，则X ,Y 线性相关程度越好 当 |ρXY| 0时，X ,Y 并不是一定没有关系， 而是线性不相关。 逆命题不成立 4. X,Y ～N μ1,μ2,σ12,σ22,ρ ρ就是X ,Y 的相关系数，ρXY ρ . 概率论与数理统计 解 概率论与数理统计 概率论与数理统计