概率论第四章课件2.pptVIP

例4.3.2 设 X 在区间[-1,1]上服从均匀分布， Y=|X|。试证明：X与Y不相关，但不相互独立。 证明：先证不相关性。 由已知，X的概率密度为 因此， 从而， ρXY = 0, 故 X, Y 不相关。 另一方面，对于任一满足0a1的实数a，都有 作业： P130: T13（其中E(X,Y)改为求E(XY)）; T14, T18, T19 第 四 章 * * 性质（4）若X与Y相互独立, 则 D(X+Y)=DX+DY 证明：D(X+Y)=E{[(X+Y)-E(X+Y)]2} = E{[(X-EX)+(Y-EY)]2} =E{ (X-EX)2+(Y-EY)2+2 [(X-EX)(Y-EY)]} =E (X-EX)2+E(Y-EY)2+2E[(X-EX)(Y-EY)] 第4.3节 协方差及相关系数 1.定义 E[(X-EX)(Y-EY)] 称为 X 和 Y 的协方差, 记作：Cov(X, Y), 即 注： 3.计算 (1)若(X,Y)为离散型随机向量, P(X=xi,Y=yj)=pij , (i, j=1,2…), 则 (2)若(X,Y)为连续型随机向量, (X,Y)~f(x,y), 则 注意 一般地,常用计算方法为: 重点 2、性质： （1） 注： X, Y 独立 注意 : X, Y 不相关, 不一定有 X, Y 相互独立. 说明： 所以，X 与 Y 不相互独立。 所以： 证明 (1) ， 所以： 综上： 所以： 性质5：D(X)=0 P{X=E(X)}=1 若ρXY = -1, 则 所以, 有 若ρXY = 1, 则 所以, 有 小结: |ρXY| 的大小反映了X, Y之间线性关系的密切程度: |ρXY | = 0 时，X, Y 不相关, 无线性关系; 0 |ρXY | 1 时， X, Y 之间有一定程度的线性关系； |ρXY|= 1 时，X, Y 之间具有线性关系。 相关系数的计算： 例.4.3.3 随机向量(X,Y)~f(x,y)= 求X,Y的相关系数ρXY. 解: =7/6 =5/3 同理由对称性: =7/6 EY 2 =5/3 所以, DX=11/36, DY=11/36 =4/3 例4.3.4.(X,Y)的联合概率分布为: 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 的相关系数ρXY. 解: 故 =0 {或者 =0} 同理 =3/4 {或者 =3/4} EY=EX=0 EY2=EX2=3/4 另一方面 =1/8-1/8-1/8+1/8 =0 所以 Cov(X,Y)=EXY-EXEY=0 亦即 ρXY=0 第4.4节 矩、协方差矩阵 随机向量的协方差矩阵 特别地：对二维 随机向量(X,Y)有协方差矩阵为: 例 设X~N(0,1), Y~N(0,1), D(X-Y)=0,求(X,Y)的协差阵. 解: 由题意得: DX=DY=1, D(X-Y)=DX+DY-2Cov(X,Y) =2-2Cov(X,Y) =0 故 Cov(X,Y)=1 所以 §4.5 条件期望 （1）离散型情况下： （2）连续型情况下： * * （2） (是常数) （3） 定义4.3.2 称为随机变量和的相关系数。 例4.3.1 二维随机变量的联合概率密度为 求： 解 同理 故 定义4.3.3 若，则称与不相关。 定理 4.3.1 设是随机变量与的相关系数，则有 （1） （2）充要条件为 定义4.4.1 设和是随机变量，若存在，则称它为的阶原点矩，简称阶矩。 若存在，则称它为的阶中心矩。 若存在，则称它为和的 阶混合原点矩。 若存在， 则称它为和的阶混合中心矩 4．设随机变量的密度函数为 求和。 解： 所以： 13．设二维随机变量的分布律如下表。 求 1 2 3 0.2 0.1 0 0 0.1 0 0.3 1 0.1 0.1 0.1 解： X Y 1 2 3 0.2 0.1 0 0.3 0 0.1 0 0.3 0.4 1 0.1 0.1 0.1 0.3 0.4 0.2 0.4 （2）先证明当与线性相关时，。 若与之间存在线性关系，即。 则有 设维随机变量的二阶混合中心矩 都存在，则称 为维随机变量的协方差矩