第三章随机变量的数字特征.pptVIP

§1 数学期望 四、随机变量函数的数学期望 一、协方差 三、几个常用的数字特征 1、矩 (moment) :  2、协方差矩阵 （了解） 小结： Y X -1 0　 1 -1 0 0 求 Cov (X, Y) 用公式 Cov ( X, Y )=E (X Y )-E(X )E(Y ) ① 可求出( X, Y )关于X，Y 的边缘分布律 X -1 0 3/8 2/8 3/8 1 Y -1 0 3/8 2/8 3/8 1 例1 设随机变量X 和Y 的联合分布律为 解 ( X, Y) (0,-1) (0,0) (0,1) (-1,0) (1,0) (-1,1) (1,-1) (-1,-1) (1,1) Z=X Y 0 -1 1 pk 1/2 1/4 1/4 ② 求 E (XY ) ∴ Cov(X,Y )=0-0=0 说明：虽然 Cov(X, Y )=0，但 即X 与Y 不独立. 证明: 先求边缘概率密度函数 fY ( y ) 同理 所以 故X 与Y 不独立. -1 １ 例2 设随机变量(X, Y )的概率密度函数为 验证X 与Y 不相关, 且不相互独立. Cov(X, Y )=E ( XY )-E(X)E(Y)=0 即X 与Y 不相关. 思考题： ② ③ 则称之为X与Y的k+l 阶混合中心矩。 ① 定义：设X 与Y 是随机变量， ④ 显然，E(X)为一阶原点矩，D(X)是二阶中心矩； Cov(X, Y )是二阶混合中心矩. ② n维随机变量( X1, X2, ….. , Xn ) 称为随机变量(X1, X2, …., Xn )的协方差矩阵. D(X) 、cov(X,Y ) 、Cov(Y, X ) 、D(Y ), 称为X, Y 的协方差矩阵. ① 二维随机变量(X, Y )有四个二阶中心矩即 将它们排成矩阵 这一节我们介绍了协方差和相关系数。 相关系数是刻划两个变量间线性相关程度的一个重要的数字特征. 注意独立与不相关并不是等价的. 当(X,Y)服从二维正态分布时，有 X与Y独立 X与Y不相关 说明： 常数 E( X ) ——X 的概率取值中心; X－E(X) ——X 的取值与概率取值中心的偏差; 非负常数 D(X)=E( X- E X )2 —偏差平方的期望. 方差描述了X的取值与概率取值中心的平均偏差，刻划了围绕其概率取值中心的偏离程度的大小。若X的取值比较集中，则方差较小；若X的取值比较分散，则方差较大 .若方差 D(X )=0,则随机变量 X 以概率1取常数值 . ，称为标准差或均方差 由于它与X具有相同的度量单位，在实际问题中经常使用. [X－E(X)]2———偏差的平方，也是随机变量； 三 方差的计算 （1）当 X 为离散型随机变量，其分布律为P (X=xk )= pk （2）当X 是连续型随机变量，其概率密度为 f (x) 方法2 一个常用的简化公式: 证明： 方法1：由定义求 解: 2/10 4/10 3/10 1/10 pk 3 2 1 0 X 0 1 2 3 X 例1:已知X 的分布, 求D ( X ) 例2： 解 例3 解: 可见，正态分布由它的数学期望和方差唯一确定 例4 例5 E(X) 例6 解 性质（3）的证明 §2 方差的性质 性质(3)可以推广到 维随机变量的情形,如果 是 个相互独立的随机变量,并且 都存在,那么有 多个随机变量和的方差的一般公式： 例5 求二项分布的方差. 设 X~ B (n, p), 则 X 表示n重贝努里试验中的“成功” 次数 . 若设 i =1, 2，…，n 故 D ( Xi )= E ( Xi2 )-[E(Xi )]2 E ( Xi )=P ( Xi =1 )= p, E ( Xi2 )= p, 则 是n 次试验中“成功” 的次数 = p - p2 = p(1- p)， 于是 i =1,2，…，n 由于X1, X2, …, Xn 相互独立 = np( 1-p)