概率统计和随机过程课件5.3随机变量的数学方差.pptVIP

* 相关系数的性质 Cauchy-Schwarz不等式 的等号成立 即Y 与X 有线性关系的概率等于1， 这种线性关系为 * * * X , Y 不相关 X , Y 相互独立 X , Y 不相关 若 X , Y 服从二维正态分布， X , Y 相互独立 X , Y 不相关 * 作 业 习题五 20，21，22，24 * 第五章 随机变量的数字特征 * 定义 若E ((X - E(X))2) 存在，则称其为随机变 量 X 的方差, 记为D (X ) D (X ) = E ((X - E(X))2) 称 为X 的均方差. 方差的概念 (X - E(X))2 —— 随机变量X 的取值偏离平均值 的情况, 是X的函数, 也是随机变量 E(X - E(X))2 —— 随机变量X的取值偏离平均值的平均偏离程度—— 数 * 若 X 为离散型 变量.，概率分布为 若 X 为连续型，概率密度为f (x) 常用的计算方差的公式： * D (C) = 0 D (aX ) = a2D(X) D (aX + b ) = a2D(X) 特别地，若X ,Y 相互独立，则 方差的性质 * 若 相互独立， 为常数 则 若X ,Y 相互独立 对任意常数C, D (X ) ? E(X – C)2 , 当且仅当C = E(X )时等号成立 D (X ) = 0 P (X = E(X))=1 称为X 依概率 1 等于常数E(X) * 例8 将 编号分别为 1 ~ n 的n 个球随机地放入 编号分别为 1 ~ n 的n 只盒子中，每盒一 球. 若球的号码与盒子的号码一致，则称 为一个配对. 求配对个数 X 的期望与方差. 解 则 不相互独立， 但 * P 1 0 * P 1 0 P 1 0 * * 仅知随机变量的期望与方差并不能确定其分布, 例如： P -1 0 1 0.1 0.8 0.1 P -2 0 2 0.025 0.95 0.025 与 它们有相 同的期望、 方差 但是分布 却不同 * 但若已知分布的类型，及期望和方差，常能 确定分布. 例9 已知 X 服从正态分布, E(X ) = 1.7, D(X ) = 3, Y = 1 – 2 X , 求 Y 的密度函数. 解 * 标准化随机变量 设随机变量 X 的期望E(X )、方差D(X )都存在, 且D(X ) ? 0, 则称 为 X 的标准化随机变量. 显然， * § 5.3 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 这说明对于二维随机变量，除了每个随机 变量各自的概率特性以外，相互之间可能还有 某种联系. 问题是用一个什么样的数去反映这 种联系. 数 反映了随机变量X ,Y 之间的某种关系 * 定义 称 为X ,Y 的协方差. 记为 称 为（X , Y ）的协方差矩阵 可以证明协方差矩阵为半正定矩阵 协方差和相关系数的定义 * 若D (X ) 0, D (Y ) 0 ,称 为X ,Y 的 相关系数，记为 事实上， 若 称 X ,Y 不相关. * 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 协方差和相关系数的计算 * 求 cov (X ,Y ), ?XY 1 0 p q X P 1 0 p q Y P 例1 已知 X ,Y 的联合分布为 X Y pij 1 0 1 0 p 0 0 q 0 p 1 p + q = 1 解 1 0 p q X Y P * * 例2 设 ( X ,Y ) ~ N ( ?1, ?12,?2,?22,?), 求 ?XY 解: * 若 ( X ,Y ) ~ N ( ?1, ?12, ?2, ?22, ?), 则X ,Y 相互独立 X ,Y 不相关 * 例3 设? ~ (0,2?) , X = cos ? , Y = cos( ? +? ), ? 是给定的常数，求 ?XY 解 * * 若 若