第四章 随机变量的数字特征.pptVIP

存在常数a,b(b≠0）， 使P{ Y= a+bX }=1， 即 X 和Y 以概率 1 线性相关. 3. X和Y独立时， =0，但其逆不真. 由于当 X 和 Y 独立时，Cov ( X,Y ) = 0. = 0 但由 并不一定能推出 X 和 Y 独立. 请看下例： 例 设X服从(-1/2, 1/2)内的均匀分布,而 Y = cos X 因而 =0 ， 即 X 和Y 不相关 . 但 Y 与 X 有严格的三角函数关系，即 X 和 Y 不独立。 = 0 以上EX的结果说明了什么？ 解1) 2) EX ρX Y =0 称 X，Y 不相关 相关系数刻划了X和Y间“线性相关”的程度. 以下几个命题等价： Cov( X, Y )=0 ； D( X+Y )=D(X)+D(Y) ； E(XY )=E(X)E(Y) ； ρX Y =0 ； X,Y 不相关 。 已经知道： 若X与Y独立，则X与Y不相关，但由 X 与 Y 不相关，不一定能推出 X 与Y 独立。 但对下述情形，独立与不相关等价（P110） 若( X,Y )服从二维正态分布，则 X 与 Y 独立 X 与 Y 不相关 设X和Y是随机变量， k阶原点矩： k阶中心矩： k+l 阶混合原点矩： k, l = 1, 2, … k+l 阶混合中心矩： k, l = 1, 2, … §4 .矩、协方差矩阵 k = 1, 2, … k = 2, 3, … 协方差矩阵的定义 将二维随机变量（X1, X2）的四个二阶中心矩 排成矩阵的形式: 称此矩阵为（X1, X2）的协方差矩阵。 类似定义n维随机变量 ( X1, X2, …, Xn ) 的协方差矩阵： 都存在, i, j=1,2,…,n 若 称矩阵： 为 ( X1, X2, …, Xn ) 的协方差矩阵。 下面给出n维正态分布的概率密度的定义. 设 = ( X1, X2, …, Xn ) 是一个n维随机向量,若它的概率密度为： f ( x1, x2, …,xn ) 则称 X 服从n元正态分布。 其中C是( X1, X2, …,Xn ) 的协方差矩阵。 |C|是它的行列式， 表示C的逆矩阵， X 和 是n维列向量， 表示 X 的转置。 n元正态分布的几条重要性质 1. X=(X1,X2, …,Xn)服从n元正态分布 a1X1+ a2 X2+ …+ an Xn均服从正态分布. 对一切不全为0的实数a1,a2,…,an， 2. 若 X = ( X1, X2, … , Xn ) 服从n元正态分布， Y1, Y2, …, Yk 是 Xj（j=1,2,…,n）的线性函数， 则( Y1,Y2, …, Yk )也服从多元正态分布. 这一性质称为正态变量的线性变换不变性。 3. 设 ( X1, X2, … , Xn ) 服从n元正态分布，则 “ X1, X2, …, Xn 相互独立 ” 等价于 “ X1, X2, …, Xn 两两不相关” 例 设随机变量X和Y相互独立且 X~ N( 1, 2 ), Y ~ N( 0 , 1 ) 。试求 Z=2X-Y+3 的概率密度。 解: X~N(1,2),Y~N(0,1)，且X与Y独立，故X和Y的联合分布为正态分布，X和Y的任意线性组合是正态分布。 即 ： Z ~ N ( * , * ) EZ = 2EX-EY+3 = 2+3 = 5 DZ = 4DX+DY = 8+1 = 9 Z ~ N( 5, 32 ) 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 甲仪器测量结果 乙仪器测量结果 测量结果的均值都是 a 较好 你认为哪台仪器较好一些呢？ 因为乙仪器的测量结果集中在均值附近 又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 中心 中心 甲炮射击结果 乙炮射击结果 你认为哪门炮射击效果好一些呢? 因为乙炮的弹着点较集中在中心附近 . 乙炮 为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度. 这个数字特征就是我们这一讲要介绍的 方差 方差的定义 设X是一个随机变量，若E(X-E(X))2∞，则称： D(X) = E ( X - EX )2 ( 1 ) 为X的方差。 方差的算术平方根 称为标准差 由于它与X具有相同的度量单位，在实际问题中经常使用。 由定义知，方差是随机变量X的函数 g ( X ) = [ X – E X ]2 的数学期望 。 X