概率论第四章浙江大学盛骤.pptVIP

由第三章我们曾证明过的一个命题, 设(X, Y)服从二维正态分布, 则X, Y 相互独立的充要条件是?=0. 知X与 Y不相关与X和Y相互独立是等价的. §4. 矩、协方差矩阵 一. 定义: 设X和Y是随机变量, 显然, E(X),E(Y)为一阶原点矩, D(X),D(Y)为二阶中心矩, ?XY为二阶混合中心矩. (1) 若E(Xk), k=1, 2, …存在, 则称它为X的k阶原点矩. (2) 若E{[X-E(X)]k}, k=1, 2, …存在,则称它为X的k阶中心矩. (3) 若E{Xk?Yl}, k, l=1, 2, …存在, 则称它为X和Y的k+l阶混合矩. (4) 若E{[X-E(X)]k?[Y-E(Y)]l}, k, l=1, 2,…存在, 则称它为X和Y的k+l阶混合中心矩. 三. 协方差阵的性质: 10 C是对称的; (由协方差的性质Cov(X,Y) =Cov(Y,X), ?ij= ?ji可得) 20 ?ii=D(Xi), i=1, 2, 3, …, n. 30 ?ij2≤ ?ii ?jj, i,j=1, 2, …, n.(由许瓦尔不等 式可得) 40 C是非负定的, 即对任意的n维向量 a=(a1, a2, …, an)T, 都有aTCa≥0. |E(XY)|2≤E(X2)E(Y2).(许瓦尔兹不等式) 四. n维正态变量: 2. 性质: 10 n维r.v. (X1, X2, …, Xn)服从n维正态分布的的充要 条件是X1, X2, …, Xn的任一线性组合 l1X1+l2X2+ …+ln Xn服从一维正态分布. 20若(X1, X2, …, Xn)服从n维正态分布, 设Y1,Y2, …, Yn是Xj(j=1, 2, …, n)的线性函数, 则(Y1, Y2, …Yn)也服从多维正态分布. 30 若(X1, X2, …, Xn)服从n维正态分布, 则“X1, X2, …, Xn”相互独立与“X1, X2, …, Xn”两两 不相关是等价的. 第四章 习题课 一. 主要内容: 1. 随机变量 的数学期望； 2. 方差; 3. 协方差; 4. 相关系数. 二. 练习: 一台设备由三大部件构成, 在设备运转中各部件 需要调整的概率分别为0.1, 0.2和0.3,假设各部件的 状态相互独立, 以X表示同时需要调整的部件数, 试求X的数学期望和方差. * * 第四章 随机变量的数字特征 §1. 随机变量的数学期望 解: 计算X1的均值, 由定义有 E(X1) 例1. 甲,乙两人进行打靶, 所得分数分别记为 X1, X2, 它们的分布律分别为: X1 0 1 2 X2 0 1 2 pk 0 0.2 0.8 pk 0.6 0.3 0.1 试评定他们的成绩好坏. =0?0+1 ? 0.2+2 ? 0.8=1.8 E(X2)=0?0.6+1 ? 0.3+2 ? 0.1=0.5 显然,乙的成绩比甲的差. 解: Xk(k=1,2)的分布函数为: 例3，例4，例5 3. 随机变量函数的数学期望公式: 说明: 1. 在已知Y是X的连续函数前提下,当我们求 E(Y)时不必知道Y的分布, 只需知道X的分布就可 以了. 2. 上述定理可以推广到多维r.v.函数. 4.均值的性质: (1) E(c)=c; (c为常数) 说明:i. 性质(3)和(4)可以推广到有限个r.v. (X1, X2, …, Xn)的情况. (2) E(cX)=cE(X);( c为常数) (3) E(X+Y)=E(X)+E(Y); (4) 设X,Y相互独立, 则E(XY)=E(X)E(Y); (5) |E(XY)|2≤E(X2)E(Y2).(柯西-许瓦尔兹不等式) ii. 对于“和”,不要求X1,X2,…,Xn相互独立; 对 于“积”要求X1,X2,…,Xn相互独立. 例. 二项分布的均值的计算: 设X~b(n,p),引入r.v.Xi(i=1, 2, …, n), 它们是相互独 立的且都服从0--1分布: P{Xi=1}=p, P{Xi=0}=q, X表 示n次独立重复试验中A发生的次数,Xi表示第i次试 验的结果:Xi=1表示A发生, Xi=0表示A不发生, 所以 说明: 将X分解成数个r.v.之和,然后利用r.v.和的数 学期望等于r.v.的数学期望之和来求解. 这个方法 具有一定的普遍意义. §2. 方差 方差描述了r.v.对其数学期望的离散 程度, 在概率论