概率论 数理统计第5讲(王)培训教案.pptVIP

* §4.4 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 这说明对于二维随机变量， 除了每个随机变量各自的概率特性以外，相互之间可能还有某种联系. 问题是用一个什么样的数去反映这种联系. 数 反映了随机变量X ,Y 之间的某种关系 * 定义 称 为X ,Y 的协方差. 记为 可以证明协方差矩阵为半正定矩阵 A. 协方差的定义与性质 为（X , Y ）的协方差矩阵 称 * 协方差的常用公式 * 协方差的计算 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， * 协方差的性质 当且仅当 时，等式成立 —Cauchy-Schwarz不等式 * 若Var (X ) 0, Var (Y ) 0 ,称 为X ,Y 的 相关系数，记为 无量纲 的量 定义 B. 相关系数的定义与性质 * 说明 若 称 X ,Y 不相关. * 相关系数的性质 Cauchy-Schwarz不等式 的等号成立 即Y 与X 有线性关系的概率等于1， 这种线性关系为 * 相关系数的性质——另一种等价表述 证明： 令 , 代入第二个方程得 将 bEX EY a - = * * * 说明 X与Y之间没有线性关系并不表示它们之间没有关系 X与Y不相关仅仅是不线性相关，可以非线性相关。 * 求 cov (X ,Y ), ?XY 1 0 p q X P 1 0 p q Y P 例1 已知 X ,Y 的联合分布为 X Y pij 1 0 1 0 p 0 0 q 0 p 1 p + q = 1 解： 1 0 p q X Y P * * 例2.设?~U(0,2?), X =cos? , Y =cos(? +? ), ? 是给定的常数，求 ?XY 解: * * 例3. 设 ( X ,Y ) ~ N ( ?1, ?12,?2,?22,?), 求 ?XY 解: * 定理：若 ( X ,Y ) ~ N ( ?1, ?12, ?2, ?22, ?), 则X ,Y 相互独立 X ,Y 不相关 因此， * 结论： (X, Y)服从二维正态分布时， X，Y 独立? = 0 ?X，Y 不相关。 * 例4.设 ( X ,Y ) ~ N ( 1,4; 1,4; 0.5 ), Z = X + Y , 　　求 ? XZ 解: * 例5：设X?N(0,4), Y?P(2), ?XY =1/2, 求 E(X+Y)2 . 解: E(X+Y)2 =[E(X+Y)]2+Var(X+Y) 注意到 =[EX+EY)]2+Var(X)+Var(Y)+2cov(X, Y) 把条件代入即得 E(X+Y)2 = 由题设知: EX=0, Var(X)=4, EY=2, Var(Y)=2, ?XY =1/2, 而 * X , Y 不相关 X , Y 相互独立 X , Y 不相关 若 X , Y 服从二维正态分布， X , Y 相互独立 X , Y 不相关 结论： * 设二维随机变量(X,Y), k , l 为非负整数。 mk = E(Xk ) 称为X的k阶原点矩， ?k = E(X-E(X))k 称为X的k阶中心矩， mkl = E(X k Y l ) 称为X和Y的(k , l )阶混合原点矩， ?kl = E[(X-E(X))k(Y-E(Y))l ]称为X和Y的(k,l)阶 混合中心矩. ? 显然数学期望为1阶原点矩, 方差为2阶中心矩, 而协方差为(1,1 )阶混合中心矩. 矩 * 例6.设X服从N(0,1)分布，求 E(X3) , E(X4)。 解：X的密度函数为： 注：此例是128页4.17的特例。 * 作业: 128页: 4.12; 4.26; 4.28。