第4章(随机变量的数字特征与极限定理)4.4—4.5.pptVIP

前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要是:; 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 ; Cov(X,Y)=E(XY) -E(X)E(Y) ;若X1,X2, …,Xn两两独立,，上式化为; 协方差的大小在一定程度上反映了X和Y相互间的关系，但它还受X与Y本身度量单位的影响. 例如：;例1;例1;例2;从而;于是;4.4.2 相关系数; 相关系数的性质：;2. X和Y独立时， =0，但其逆不真.;例1 设X服从(-1/2, 1/2)内的均匀分布,而 Y=cos X,;考虑以X的线性函数a+bX来近似表示Y，; =E(Y2)+b2E(X2)+a2- 2bE(XY)+2abE(X) - 2aE(Y); 这样求出的最佳逼近为L(X)=a0+b0X;但对下述情形，独立与不相关等价;证明:;令;由于;例3;例3;例4;例5;又因;稍事休息;4.5 矩、协方差矩阵;协方差Cov(X,Y)是X和Y的 二阶混合中心矩.;协方差矩阵的定义; 类似定义n维随机变量(X1,X2, …,Xn) 的协方差矩阵.; ;n元正态分布的几条重要性质;n元正态分布的几条重要性质;n元正