chap.1 预备知识.ppt

10. 正态随机变量 X～N( ? , ?2) (X1, X2 ) ~N( ) n维正态分布的特征函数为 多元正态分布的性质 (1) n维正态分布的随机向量的m个分量构成的随机向量仍然是正态分布。 (2) 设X=(X1, X2, ???, Xn)为n维正态随机向量, 则随机变量X1, X2, ???, Xn相互独立的充分必要条件是Cov(Xi, Xj)=0, ?i ? j。 (4) 设X=(X1, X2, ???, Xn)~N(?, B), C=(cij), Y=CX, 则 Y~N(C?, CBCT)。 (3) 设X=(X1, X2, ???, Xn)~N(?, B), c1, c2, ???, cn是常数, 则 第一章习题 习题一 p37 5， 7， 9， 13， 19， 22， 28 本章的总结报告（内容总结、个人心得） 结论1 设(X1, X2, ···, Xn )与(Y1, Y2, ···, Yn )相互独立，则Xi (i=1, 2, ···, m )与Yj ( j=1, 2, ···, n )相互独立；又若h , g是连续函数，则 h(X1, X2, ···, Xn ) 与 g( Y1, Y2, ···, Ym )相互独立。 结论2 设X1, X2, ···, Xn 相互独立，则从X1, X2, ···, Xn 中任意取出多少个随机变量都是独立的。 ? 随机变量函数的分布 1. 一维随机变量的函数的分布 Y=g(X) 离散型随机变量 若 X～P{X＝xk }＝pk , k＝1, 2, ··· 则 Y＝g(X)～ P{Y＝g(xk )}＝ pk , k＝1, 2, ··· 其中g(xk )有相同的, 其对应概率合并。 FY ( y ) ＝P{Y ? y}＝ fY ( y)＝ 分布函数法 P { g(X) ? y}= 连续型随机变量 公式法 若X～ f(x), y = g(x)是单调可导函数，则 Y＝g(X)~?Y( y )＝ 其中h( y )为y＝g(x)的反函数， ?＝min{g(-?), g(+?)}，?＝max{ g(-?), g(+?)}. 例 在半径为R中心在原点的圆周上任抛一点M，求该点横坐标X的密度函数。 2. 二维随机变量的函数的分布 Z=g(X, Y) 离散型随机变量 若(X, Y)～P{X＝xi, Y=yj }＝pij , i , j＝1, 2, ··· 则 Z＝g(X, Y)～ P{Z＝g(xi, yj )}＝ pij , i , j＝1, 2, ··· 其中g(xi, yj )有相同的, 其对应概率合并。 FZ ( z ) ＝P{Z ? z}＝ fZ ( z)＝ 分布函数法 ＝P{g(X, Y)? z}= 连续型随机变量 特殊情形公式法 Z＝X＋Y 例 设随机变量(X, Y )的联合概率密度函数为 试求 Z =X?Y 的概率密度函数。 3. 二维随机变量的变换的分布 (X, Y)～f (x, y) g(x, y), h(x, y)为两个二元实函数 U=g(X, Y), V=h(X, Y) 则(U, V )的概率密度函数为 Jacobi行列式 密度变换公式 例 设X, Y独立, 且都服从N(0,1), 又U=X+Y, V=X?Y。试求(U, V )的联合分布,并判断U, V是否独立? 例 设(X, Y )的概率密度函数为 又U=XY, V=X/Y。试求(U, V )的联合分布。 ? 随机变量的数字特征 1. 数学期望 离散型随机变量 连续型随机变量 (绝对收敛) (绝对收敛) 随机变量函数的数学期望 Y=g(X) Z=g(X , Y ) 2. 方差 D(X )=Var(X)=E(X 2 )?[E(X )]2 离散型 连续型 3. 期望与方差的性质 (3) E(X?Y )= E(X ) ? E(Y ); E(X1X2··· Xn )= E(X1 ) E(X2 )···E(Xn )； (4) 若X1, X2 , ··· , Xn 相互独立，则 (2) E(cX )=cE(X); E(c1X1+ ··· +cn Xn )= c1E(X1 )+ ··· +cn E(Xn ); (1) E(c)= c ； D(c )= 0； D(cX )= c2D(X )； D(X ?Y ) = D(X )+D(Y ) ? 2Cov(X, Y ); 若 X, Y 独立, 则 D(X?Y )= D(X )+D(Y ); D(X1+ X2+···+Xn )= D(X1 )+ D(X2 )+ ··· +D(Xn )。 4. 协方差 Cov(X, Y )=E{[X?E(X )][Y