第九讲多维随机变量及其分布(续2).ppt

§4 多维随机变量的特征数 重点：对数学期望、方差、相关系数等数 字特征概念的理解与计算. 难点：对不相关与相互独立间关系的理解. 多维随机变量函数的数学期望 数学期望与方差的运算性质 讨论 X+Y 的方差 3.4.3 协方差 协方差的性质 配对模型的数学期望和方差 解：记 “Xi = 1” = “第 i 个人拿对自己的礼物” “Xi = 0” = “第 i 个人未拿对自己的礼物” 相关系数 相关系数的性质 注 意 点 Corr(X, Y) 的大小反映了X与Y之间的线性关系： 第七讲 多维随机变量及其分布 *页 定理 1 设 (X, Y) 是二维随机变量， Z = g(X, Y)，则 E(Z) = E[g(X, Y)] = 例1:设二维随机变量(X,Y)的概率密度为 试求XY的数学期望. 解: 例2: 设随机变量X和Y相互独立,概率密度函数分别为 求:E(XY) 解: ∵ g(X,Y)=XY, X和Y相互独立. 1. E(X+Y)=E(X)+E(Y) 2. 当X与Y独立时，E(XY)=E(X) E(Y), 1. Var(X?Y) = Var(X)+ Var (Y) ?2E[X?E(X)][Y?E(Y)] 3. 当X与Y独立时，E[X?E(X)][Y?E(Y)] = 0. 4. 当X与Y独立时， Var(X ?Y) = Var(X)+ Var (Y) . 2. E[X?E(X)][Y?E(Y)] = E(XY) ? E(X)E(Y) 注意：以上命题反之不成立. 课堂练习1 X 与 Y 独立，Var(X) = 6，Var(Y) = 3， 则 Var(2X?Y) = ( ). 27 课堂练习2 X ~ P(2)，Y ~ N(?2, 4)， X与Y独立， 则 E( X?Y) = ( ); E( X?Y)2 = ( ). 4 22 定义1 称 Cov(X, Y) = E[X?E(X)][Y?E(Y)] 为 X 与 Y 的协方差. Cov(X,Y)＜0,X与Y负（线性）相关 Cov(X,Y)＝0,X与Y不（线性）相关 Cov(X,Y)0,X与Y正(线性）相关 注： (4) Cov(X, Y) = Cov(Y, X). (1) Cov(X, Y) = E(XY) ? E(X)E(Y). (2) 若 X 与 Y 独立，则 Cov(X, Y) = 0. (6) Cov(aX, bY) = abCov(X, Y) . (3) Var(X?Y) = Var(X)+ Var (Y) ? 2 Cov(X, Y) (5) Cov(X, a) = 0. (7) Cov(X+Y, Z) = Cov(X, Z) + Cov(Y, Z). 例5： n 个人、n 件礼物，任意取. X 为拿对自已礼物的人数，求 E(X), Var(X) 。 则 因为 E(Xi) = 1/n, 所以 E(X) = 1. 又因为 所以 E(XiXj) = 1/[n(n?1)], XiXj P 0 1 1?1/[n(n?1)] 1/[n(n?1)] 由此得 又因为 所以先计算 E(XiXj), XiXj的分布列为 所以 定义2 称 Corr(X, Y) = 为 X 与 Y 的相关系数. 例6: 设(X,Y)~N(μ1,μ2,σ12,σ22,ρ),求X和Y的相关系数. 解: 注: 若(X,Y)服从二维正态分布,则X和Y相互独立的充要条件是ρ=0. 设(X,Y)的概率密度为p(x,y), 则 (1) ?1 ? Corr(X, Y) ? 1. (2) Corr(X, Y) = ?1 X 与 Y 几乎处处有线性关系。 ? P(Y=aX+b)=1 Corr(X, Y) 接近于1， X 与 Y 间 正相关. Corr(X, Y) 接近于 ?1， X 与 Y 间 负相关. Corr(X, Y) 接近于 0， X 与 Y 间 不相关. 没有线性关系 例6： 设 (X, Y) 的联合分 布列为 X ?1 0 1 Y ?1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求 X, Y 的相关