概率论4-_3-4-习题课.ppt

第三节 协方差及相关系数 五、小结 第四节　矩、协方差矩阵 一、基本概念 由定义知： 数学期望EX是X的一阶原点矩； 方差DX是X的二阶中心矩； 协方差Cov(X，Y)是X，Y的二阶混和中心矩。 二、n 维正态变量的性质 三、小结 第四章　随机变量的数字特征习 题 课 一、重点与难点 二、主要内容 离散型随机变量的数学期望 连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 二维随机变量的数学期望 方差的定义 方差的计算 方差的性质 协方差与相关系数的定义 协方差的性质 相关系数定理 三、典型例题 解 例1 单击图形播放/暂停 ESC键退出 (1) 不相关与相互独立的关系 注意 相互独立 不相关 (2) 不相关的充要条件 单击图形播放/暂停　ESC键退出 相关系数的意义 一、基本概念 二、n 维正态变量的性质 三、小结 定义 例1 设随机变量X在(a，b)上服从均匀分布。试求随机变量X的k阶原点矩和三阶中心矩。 解： 3、协方差矩阵 协方差矩阵的应用 协方差矩阵可用来表示多维随机变量的概率密度，从而可通过协方差矩阵达到对多维随机变量的研究 由于 引入矩阵 由此可得 由于 推广 线性变换不变性 2.正态变量是最重要的随机变量，其性质一定 要熟练掌握. 一、重点与难点 二、主要内容 三、典型例题 1.重点 数学期望的性质和计算 2.难点 数字特征的计算 方差的性质和计算 相关系数的性质和计算 数学期望 方 差 离散型 连续型 性 质 协方差与相关系数 二维随机变量的数学期望 定 义 计 算 性 质 随机变量函数的数学期望 定 义 协方差的性质 相关系数定理 离散型随机变量函数的数学期望为 则有 则有 1. 设C是常数, 则有 2. 设X是一个随机变量, C是常数, 则有 3. 设X, Y 是两个随机变量, 则有 4. 设X, Y 是相互独立的随机变量, 则有 同理可得 则 则 离散型随机变量的方差 连续型随机变量的方差 1. 设 C 是常数, 则有 2. 设 X 是一个随机变量, C 是常数, 则有 一、协方差概念 二、协方差性质 四、相关系数性质 五、小结 三、相关系数定义 问题的提出 对于二维随机变量(X，Y)来说，数学期望EX，EY仅仅反映了X与Y各自的平均值，而方差DX，DY也仅反映了X与Y各自离开均值的偏离程度，它们没有提供X与Y之间相互联系的任何信息。 而事实上，从前面的二维随机变量(X，Y)联合分布律或联合概率密度的讨论，我们知道X与Y之间是存在着密切联系，因此，我们也希望有一个数字特征能够在一定程度上反映这种联系。 这便是本节要讨论的问题。 在方差性质4的证明中，我们已经发现当X与Y独立时，必有 也就是说，当 时， X与Y肯 定不独立，由此说明式 在一定程度上反映了X、Y间的某种联系。 一、协方差概念 由定义可知，在离散型场合下的协方差是通过和 式来表示的，即 在连续型场合下的协方差是通过积分来表示的，即 特别，当X =Y 时，有 二、 协方差的性质 注：X与Y 独立是式 D(X+Y)=DX +DY ，E(XY)=EX ·EY 成立的充分条件，上两式成立的充要条件是 Cov(X，Y)=0。 (2) Cov(X ，Y )=E(XY ) －EX×EY ； 注：我们常利用这一式子计算协方差。 (3) Cov(X，Y) =Cov(Y，X )； (4)Cov(aX，bY)= Cov(X，Y) ； a，b?R (5) Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。 协方差的数值虽然在一定程度上反映了X与Y相互间的联系，但它还受X与Y本身数值大小的影响。 例如，当X ，Y各自增大k倍，即X1= kX，Y1=kY，这时X1与Y1间的相互联系和X与Y间的相互联系应该是一样的，但事实上由性质4知： 即表明协方差增大了k2倍。为克服这一个缺点，引入下面的所谓相关系数的定义。 三、相关系数的定义 顾名思义，相关系数反映了随机变量?与?之间的相互关系——也就是它们相互之间的一种联系。 但到底是哪一种联系呢？这是需要进一步弄清的问题。 四、相关系数的性质 引