中学课件数理统计.pptVIP

X，Y独立? =0?X，Y不相关。 注意独立与不相关并不是等价的. 当(X,Y)服从二维正态分布时，有 X与Y独立 X与Y不相关 三、 矩、协方差矩阵 协方差Cov(X,Y)是X和Y的 二阶混合中心矩. 称它为X和Y的k+L阶混合（原点）矩. 若 存在， 称它为X和Y的k+L阶混合中心矩. 设X和Y是随机变量，若 k,L=1,2,… 存在， 可见， 协方差矩阵的定义 将二维随机变量（X1,X2）的四个二阶中心矩 排成矩阵的形式: 称此矩阵为（X1,X2）的协方差矩阵. 这是一个 对称矩阵 类似定义n维随机变量X=(X1,X2, …,Xn) 的协方差矩阵. 为(X1,X2, …,Xn) 的协方差矩阵 称矩阵 都存在, i, j=1,2,…,n 若 也常记为DX或者Cov(X,X). 协方差矩阵的性质 对于任一n元实列向量 有 2）是一个非负定矩阵 1）是一个对称矩阵 3）设 为n元随机向量， 有 a)对于 定义 b) 1. 特征函数的定义 设 是定义在概率空间 四、 特征函数 有些问题用分布函数不好解决，比如计算随机变量的矩以及独立随机变量和的分布.使用特征函数就会特别方便，在极限理论的研究中也发挥了很大作用。 上的实随机变量，则 称为复随机变量。 相互独立，就称复随机变量 特征函数的定义 设 的分布函数为 称 为 X 的特征函数。 任一随机变量的的特征函数均存在。 2. 特征函数的性质 设 是 X 的特征函数，则 2)特征函数 在 R 上一致连续 3)特征函数 是非负定的，即对任意实数 及复数 证明 (4） 设 是常数， 则 (5)随机变量 相互独立，则 此性质可推广至多个 随机变量 相互独立，则 (6) 设随机变量 则它的特征函数可微分n次，且 (7) 唯一性定理：分布函数由其特征函数唯一确定 相应的分布函数 F (x）可导且导函数连续，则有 (1) 二项分布 参数为 X的分布律 3 常见的几个分布的特征函数 (2)泊松分布 分布律 参数为 密度函数 (3) 指数分布 参数为 (4) 正态分布 密度函数 参数为 特征函数 (5) 卡方分布的特征函数： 某些独立随机变量的分布函数的可加性 可用特征函数证明： 如：二项分布，泊松分布，正态分布，卡方分布均具有可加性。 第四讲 数字特征及其特征函数 定义1 设离散型随机变量的分布律为 如果级数 绝对收敛， 称为随机变量X的数学期望， 记为 即 的和 则级数 简称期望或均值。 一、数字特征 若 不绝对收敛，则X的数学期望不存在。 1、随机变量的数学期望 定义2 设连续型随机变量X 的概率密度为 若积分 绝对收敛，则称该积分值为随 机变量X 的数学期望或平均值，简称期望或均值 记为 即 离散型和连续型随机变量的期望可以用一个式子表示 此积分是Lebesgue-Stieltjes积分，当X为离散型时， 其分布函数是阶梯函数，该积分成为求和的形式。 当X为连续型时，该积分化为 此积分是Riemann积分。 2、 随机变量函数的数学期望 定理 设随机变量Y 是随机变量X 的函数， 1) 设X 为离散型随机变量，其分布律为 若级数 绝对收敛,则有 2) 设X 为连续型随机变量，其概率密度为 若积分 绝对收敛,则有 设X 服从 N (0，1) 分布，求E (X2), E (X3), E (X4) 例 解： 结论 3 二维随机向量函数的数学期望 这里要求广义二重积分是绝对收敛的。 1. 设C 是常数，则E(C )=C; 4. 设X、Y 独立，则 E(XY )=E(X )E(Y ); 2. 若k是常数，则E(k X )=k E(X ); 3. E(X1+X2) = E(X1)+E(X2); （诸Xi独立时） 注意:由E(XY )=E(X )E(Y )不一定能推出X,Y独立 4、数学期望的性质 4. 若 X 与 Y 独立，则 E(X Y )=E(X )E(Y ). 证明: 设 定义1 设 X 是一个随机变量，若 存在，则称 为 X 的方差，记为 或 即 称 为 X 的均方差或标准差. 5 、方差 X为离散型， P (X=xk) = pk 由定义知，方差是随机变量 X 的函数 g(X) = [X - E(X)]2 的数学期望 . X为连续型，f(x) 重要公式 事实上: 方差的性质 可推广为：若X1,X2,…,Xn相互独立,则 1）．（0-1）分布 参数为P 0 1 5．常见分布的数学期望和方差 2）．二项分布 X～B(n, p) 参数为n, p. X的分布律 若设 则 X