概率统计4章.pptVIP

第四章 随机变量的数字特征 第一节 数学期望 第二节 方 差 第三节 协方差和相关系数  一、协方差和相关系数的定义 第四节 矩和协方差矩阵 第四章结束 请注意复习！ 【解】 例2:已知 , 则 方法二：先求出边缘概率密度， 同理可得 所以： 再求方差. 【提示】 作业:若 , 则 令 二、几种常用分布的方差 (1) 0-1分布 (2) 二项分布 (3) 泊松分布 (4) 几何分布 (5) 超几何分布 1.常见离散型随机变量的方差 2.常见连续型随机变量的方差 (1)均匀分布 (2)指数分布 (3)正态分布 已知 例3 求 的次数， 对X 独立观察 4 次，Y 表示X 的观察值大于 【解】由题意可知 1.设C是常数,则D(C) =0 ; 2.若C是常数,则 D(CX )=C 2D(X ); 3. 若X与Y 独立，则 三、方差的性质 证 注： 这条性质同样不是一个充要条件。 推广：若X1,X2,…, Xn 相互独立,则 4、D(X )=0 例4 设 X 的可能取值为 且 ，求 X 的分布律。 【解】设 X 的分布律为 所以 【解 】 Z 为正态随机变量的线性组合，所以仍然服从正 态分布，且其参数为 故 例5 设 X , Y 是两个相互独立的且服从正态分布的 随机变量 ,且 ，则求随机 变量 服从什么分布？ Z ~ N(-7,5) 协方差和相关系数的定义 协方差的性质 相关系数的性质 1、定义 设二维随机变量 则称它为X与Y的协方差， 即 称 为随机变量X与Y的相关系数。 若 存在， 记为 2、常用计算公式 证: ⑴ ⑵ 1、 为常数 3、 2、 二、协方差的性质 证： 三、相关系数的性质 1) 2) 的充要条件是X与Y以概率1成线性关系 即 其中 为常数 定理1 设随机变量X和Y 的相关系数存在，则 说明： ，X 与Y 的线性关系越显著； ，X 与Y 的线性关系越不显著； 2） 3） 4） 定义、相关系数 则称 与 不相关; 相关系数 之间线性关系的一种度量. 是X与Y 下列命题等价： 1） 【解】 典型例题分析 1.利用公式法求解协方差和相关系数 例1:箱内有6个球,其中红、白、黑球分别为1,2,3个，现 从箱中随机的取出2球，记 X 为取出的红球的个数，Y为 取出的白球的个数，求 cov（X,Y）。 随机变量（X ,Y）的联合分布律为 例2 设随机变量 相互独立，且 【解】 Cov(X,Z)=2, D(X)=4, D(Z)=2 2.利用性质法求解协方差和相关系数 例3 将一枚硬币重复掷 n 次，以 分别表示 正面向上和反面向上的次数，求 的相关系数。 【解】 满足 故 独立 不相关 注： 例： X ~ N(0,1), 证明X与Y不相关。 证： = 0 X与Y不相关。 但是，显然，X与Y 不是相互独立的。 不相关： X 与Y 之间没有线性关系，并不表示它们之 间没有任何关系。 独立： X 与Y 之间没有任何关系。 例3 设随机变量 的概率密度为 问 X 和 Y 是否相互独立，是否不相关？ 【解】 ⑴ 先求关于X 和Y 的边缘概率密度 因为 X 和 Y 不相互独立。 3.讨论独立性与不相关性 ⑵ 求X 和Y 的相关系数 所以 故X 和 Y 不相关。 = 0. 若(X,Y )服从二维正态分布，则 X与Y独立 X与Y不相关 特例 独立 不相关 注： 矩和协方差的定义 若 存在，称它为 的 阶原点矩，简称 阶矩。 若 存在，称它为 的 阶中心矩。 阶混合矩。 若 存在，称它为 和 的 若 存在， 和 的 称它为 阶混合中心矩。 和 是随机变量， 设 矩： 数学期望及其性质 方差及其性质 协方差和相关系数及其性质 矩和协方差矩阵 随机变量函数的数学期望计算公式 数学期望的概念 数学期望的性质 常见随机变量的数学期望 引例: 甲乙两人射击，他们的射击水平由下表给出 试问哪个人的射击水平较高？ 【分析】甲乙的平均环数可求得： 因此，甲的射击水平要比乙的好。 X 为甲所得环数 Y 为乙所得环数 本质上，离散型随机变量的数学期望其形式为求和； 简称期望或均值，记为 E(X). 即 难 点：随机变量 X 可能取值为可列无限多时； 若级数 绝对收敛， 设离散型随机变量 X 的分布律为 则称此级数为 X 的数学期望。 定义1: 一、数学期望的概念 为了刻画随机变量的均值，我们引入数学期望. 设连续型随机变量 X 的概率密度为 的数学期望。简称期望或是均值，记 E( X ). 定义2： 如果 绝对收敛，则称积分为随机变量 X 的 即 本质上，连续型随机变量的数学期望其形式为积分； 难 点: