维随机向量数字特征.pptVIP

复习 两个重要的数字特征 3 常用随机变量的期望与方差 Y 1 4 -2 -1 1 2 X cov(X,Y)= E(XY) – EXEY=0 1.设(X,Y)服从区域 D:0x1,0yx上的 均匀分布,求X与Y的相关系数 x=y 解 x y 1 1 0 0x1 即： 0y1 解1) X与Y之间没有线性关系并不表示 它们之间没有关系。 五、矩 1. 原点矩 对于正整数 k ，如果 ，称 为随机变量 X 的 k 阶原点矩 2. 中心矩 对于正整数 k ，如果 ，称 为随机变量 X 的 k 阶中心矩 期望为一阶原点矩，方差为二阶中心矩 可见，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， 协方差矩阵的定义 将（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(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 n维随机变量(X1,X2, …,Xn) 的相关矩阵. 为(X1,X2, …,Xn) 的相关矩阵 称矩阵 都存在, i, j=1,2,…,n 若 ——随机变量取值的平均水平 1. 期望 随机变量函数的期望 离散型 连续型 随机变量期望 数学期望的性质 1. 设C是常数，则E(C)=C; 2. 若k是常数，则E(kX)=kE(X); 2.方差——度量随机变量取值在其中心 附近的离散程度 X为离散型， P(X=xk)=pk X为连续型， X~f(x) DX = EX 2 -(EX )2 1. 设C是常数,则D(C)=0; 反之，若D（X）=0，则存在常数C，使 P{X=C}=1, 且C=E(X); 2. 若C是常数,则D(CX)=C2 D(X); 方差的性质 3. 若C是常数,则D(X+C)= D(X); 4. D(X)=E(X2)-[E(X)]2 方差 期望 分布列或分布密度 分布 B(n, p) (0—1) p pq P(? ) ? ? np npq U(a, b) E(? ) ? 2 ? N(?,? 2) 方差 期望 分布列或分布密度 分布 3.2 随机向量的数字特征 一、定义3.8 设（Ｘ1，Ｘ2 ，…Ｘｎ）是 n维的随机向量，而且每一个随机变量Xi 的数学期望都存在，i=1,2, …,则称 定理 2： 例4 已知随机变量(X,Y)的分布律求E(XY) 解: 例1 二维随机变量(X,Y)的联合密度函数为 求 EX, E(XY). 例1 二维随机变量(X,Y)的联合密度函数为 求 EX, E(XY). 解 EX EX E(XY) 二、随机向量和与差的数学期望和方差 性质1 设Ｘ1，Ｘ2 ，…Ｘｎ每一个随机变 量Xi 的数学期望都存在，则 性质2. 假设X、Y相互独立，且EX 、EY 存在，则E(XY )= EX EY ; 设Ｘ1，Ｘ2 ，…Ｘｎ相互独立且期望都存在，则 反之未必成立: E(XY)=E(X )E(Y) ≠ X,Y 独立 性质3. 假设X、Y相互独立，且方差 存在，则 设Ｘ1，Ｘ2 ，…Ｘｎ相互独立且方差都存在，则 反之未必成立: 证明: X与Y独立 且 X1 ~ U[0, 6], X2 ~ P( 3 ), X3 ~N(0, 22), 例2 设 X1, X2, X3 相互独立， 记 Y = X1 - 2X2 + 3X3 , 求EY DY . 解 EX1 = 6/2 = 3 , DX1 = 62/12 = 3 , EX3 = 0， DX3 = 4 , EX2 = 3 , DX2 = 3 , EY =E(X1 - 2X2 + 3X3 ) = EX1 -2 EX2 + 3 EX3 = -3 . EX1 = 6/2 = 3 , DX1 = 62/12 = 3 , EX