2012概率论与数理统计第四章.ppt

相关系数ρXY 是刻划X和Y间线性关系程度的数字特征，| ρXY|越大， X和Y间线性关系越明显。当ρXY 0时， Y有随着X增加而增大的趋势；当ρXY 0时， Y有随着X增加而减小的趋势. 例6 设X服从(-1/2, 1/2)内的均匀分布,而 Y=cos X, （请课下自行验证） 因而 =0， 即X和Y不相关 . 但Y与X有严格的函数关系， 即X和Y不独立 . 不难求得， Cov(X,Y)=0， 随机变量不相关只说明两个随机变量之间没有线性关系，但还可能有某种别的函数关系； 随机变量相互独立说明两个随机变量之间没有任何关系，既无线性关系，也无非线性关系。 所以相互独立必然不相关，反之不一定成立。 ?相互独立和不相关 解: 例7. 设(X,Y)的联合分布列如下,试讨论X与Y 的相关性和独立性。 Y X -1 0 1 -1 1/8 1/8 1/8 0 1/8 0 1/8 1 1/8 1/8 1/8 例8. (X,Y)~ N(μ1 ,μ2,σ12,σ22,ρ) ， 对二维正态分布而言，X、Y相互独立与互不相关是等价的。 (1)求E(Z)和D(Z). (2) 求ρXY,判断X与Z是否不相关. (3)判断X与Z是否独立，为什么？ 例9. 解: (1) (2) (3) 对于任意两事件A和B, 若0P(A)1,0P(B)1,则称 为事件A和B的相关系数。 例10.证明: (1)事件A和B独立的充要条件是ρ=0； (2) |ρ|≤1. 证: (1) (2) * 又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 你认为哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因为乙炮的弹着点较集中在中心附近 . 中心 中心 D(X)=E(X2)-[E(X)]2 一.方差的定义 例1. 已知随机变量X的分布列为 求X的方差和标准差。 X 2 3 4 Pk 0.3 0.4 0.3 解: 例2. 设随机变量X的概率密度为 求D（X） 例3. 已知随机变量X的分布函数如下,求D(X)。 解: 二.方差的性质 1. D(aX+b)=a2D(X) ; D(aX)=a2D(X) D(b)=0 D(-X)= D(X) 例4. 已知E(X)=2，E(X2)=6,求D(1-3X)。 解: 方差的性质 2. 若X、Y相互独立,D(X+Y) = D(X)+D(Y); 一般地， D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]} 例5. 设(X,Y)的联合概率密度为 (1) 试求X、Y的边缘密度，并问X与Y 是否相互独立？ (2) 求E(2X+3Y), D(2X+3Y). 例6.设X的概率密度为 设随机变量X有数学期望μ和方差σ2，则对于任给ε0,有 三.定理——切比雪夫不等式 推论：D(X)=0 P(X=E(X))=1 证: 例7. 设X为随机变量,已知E(X)=μ, D(X)=σ2 ,试用切比雪夫不等式估计 P(|X-μ|≥3σ). 解: 名称 概率分布 期望 方差 0-1分布 二项分布 泊松分布 几何分布 名称 概率分布 期望 方差 均匀分布 指数分布 正态分布 ——X的标准化随机变量 E(X*)=0, D(X*)=1 E(Xk)——X的k阶原点矩 E{[(X-E(X)]k}——X的k阶中心矩 E(X)——X的1阶原点矩 D(X)—— X的2阶中心矩 4.3 数学期望 方 差 单个变量的数字特征 多个变量间联系的数字特征 协 方 差 相关系数 设(X,Y)为二维随机变量，若 E{[ X-E(X)][Y-E(Y) ]} 存在，则称其为X和Y的协方差，记为cov(X,Y)。 一.协方差 ⑶ cov(X1+X2,Y)= cov(X1,Y) + cov(X2,Y) ⑴ cov(X,Y)= cov(Y,X) ⑵ cov(aX,bY) = ab cov(X,Y) a,b是常数 二.协方差的性质 (4) D(X±Y)= D(X) + D(Y)±2cov(X,Y) 例1 设随机变量X?B（12,0.5),Y ?N(0,1), COV(X,Y)=-1,求V=4X+3Y与W=-2X+4Y 的方差与协方差 解: 例2. 设D(X+Y)=10,D(X)=5,D(Y)=3，求 cov(2X,3Y). 解: 例3. 设(X,Y)的联合分布列如下,求cov(2X,3Y). Y X -1 0 1 0 1/8 1/4 1/8 1 1/4 1/8 1