概率论与数理统计..培训教案.pptVIP

课堂练习 设X1与X2独立同分布，都服从Exp(λ) Y1=3X1-2X2, Y2=X1+X2, 求Corr(Y1,Y2) 相关系数的性质 (1) | ρXY|?1； (2) | ρXY |=1?存在常数a, b 使P{Y= aX+b}=1 相关系数与协方差的区别与联系 （1）相同点：都能表现出正相关、负相关、不相关 （2）不同点：相关系数能表现出线性相关程度的高 低，而协方差不能 ρXY的意义：反映X与Y的线性关系，所以又叫线性相关系数. 例:(1)若Y＝3X - 4，则 ρXY ＝ 1 1/3 1/3 1/3 　 1 0 -1 X (2)设X的分布律如下，Y＝X2 ,则ρXY ＝ 0 例 设X服从(-1/2, 1/2)内的均匀分布,而Y=cos X, 因而 ρXY ＝0 ， 即X和Y不相关 . 但Y与X有严格的函数关系， 所以X、Y不独立 . 不难求得， Cov(X,Y)=0， 例 设(X,Y)的分布律为 ? -2 -1 1 2 ? P{Y=i} 1 ? 4 0 1/4 1/4 0 1/4 0 0 1/4 1/2 ? 1/2 P{X=i} 1/4 1/4 1/4 1/4 1 知E(X)=0,E(Y)=5/2,E(XY)=0,于是?XY =0,X,Y不相关。即X,Y不存在线性关系。 但P{X=-2,Y=1}=0≠P{X=-2}P{Y=1}知X和Y不相互独立的，具有关系Y=X2。 “独立”和“不相关”的关系 若X、Y独立，则X、Y不相关。 独立 不相关 对下述情形，独立与不相关等价 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 但X、Y不相关，不一定能推出X、Y独立. 四、 多维随机变量的数学期望和协方差矩阵 的数学期望向量 的协方差矩阵 定理 的协方差矩阵为对称的非负定阵 的协方差矩阵 n维正态分布 设n维随机变量X=(X1，X2，…Xn)的联合概率密度函数为 这里x=(x1,x2,…xn),a是X的期望向量，V是X的协方差矩阵,V 正定。 例 设(X,Y)具有概率密度, 求E(X),E(XY),E(Y2) excise * * * * §4.6 多维随机变量的特征数 一、二维随机变量函数的期望 定理 设Z=g(X,Y) , g(x,y)为二元连续实函数, E[g(X,Y)]存在, (1)若(X,Y)为离散型, P{X=xi,Y=yj}=pij ,(i,j=1,2…),则 (2)若(X,Y)为连续型, 概率密度为f(x,y),则 例 设(X,Y)的概率密度如下，求 E(XY)、E(X). 注：(以连续型为例) 例：设(X,Y)的分布律如下，求E(X+Y)和E(XY)? 0.2 0.1 0.3 1 0.1 0.2 0.1 0 3 2 1 Y X 二、数学期望和方差的性质 性质1 E(X±Y)=E(X)±E(Y) 推广：设 为n个r.v.，则有 性质2 如果X,Y相互独立，则有 E(XY)=E(X)E(Y) 推广：若 为相互独立的r.v.，则 证: 设二维连续型r.v. 的联合概率密度为 其边缘分布密度 、 性质1 得证. 性质1 E(X±Y)=E(X)±E(Y) 若X和Y相互独立，此时 性质2得证. 证: 性质2 如果X,Y相互独立，则有 E(XY)=E(X)E(Y) 性质3 设X、Y相互独立，则有 推广：设 是相互独立的r.v.，则 一般情况下，则有 证明： 证： 注： 将一个随机变量表示为几个随机变量的和，然后用期望和方差的性质，计算该随机变量的期望和方差—常用技巧 例：袋中有n张卡片，号码分别为1,2,…,n，从中有放回抽取k张卡片，令X表示抽得的k张卡片的号码之和，试求E(X)、D(X). §4.7 矩 协方差 相关系数 1. k阶(原点)矩 E(Xk), k=1,2,… 2. k阶中心矩 E{[X-E(X)]k}, k=2,… 3. k+l 阶混合(原点)矩 E(XkYl), k,l=1,2,… 4. k+l 阶混合中心矩 E{[X?E(X)]k[Y?E(Y)]l}, k,l=1,2,… 一、原点矩 中心矩 任意