《概率与数理统计》第04章 - 随机变量的数字特征.pptVIP

第四章 随机变量的数字特征 第一节 随机变量的数学期望 第二节 随机变量的方差 第三节 协方差与相关系数 第四节 矩与协方差矩阵 习题 第一节随机变量的数学期望 例 某商店对某种家用电器的销售采用先使用后付款的方式, 记使用寿命为X(以年计), 规定: X?1, 一台付款1500元; 1X?2, 一台付款2000元; 2X?3, 一台付款2500元; X3, 一台付款3000元.设寿命X服从指数分布, 概率密度为 试求该商店一台收费Y 的数学期望. 解 先求出寿命X 落在各个时间区间的概率： 一台收费Y 的分布律为 例8 设一电路中电流I(A)与电阻R(W)是两个相互独立的随机变量, 其概率密度为 试求电压V=IR的均值. 第二节随机变量的方差 例1 设随机变量X具有数学期望E(X)=m, 方差D(X)=s2?0. 求X *=(X-m)/s 的期望和方差. 第三节协方差与相关系数 第四节矩与协方差矩阵 习题 相关系数的性质： 证: 由方差的性质和协方差的定义知, 对任意实数 b, 有 0≤D(Y-bX)= b2D(X)+D(Y)-2b Cov(X,Y ) 令 ，则上式为 D(Y- bX)= 因方差D(Y)为正,故必有1- ≥ 0,所以 | |≤1。 存在常数 a,b(b≠0）， 使 P{Y= a + b X}=1， 即 X 和 Y 以概率 1 线性相关. 考虑以X的线性函数a+bX来近似表示Y， 以均方误差 e =E{[Y-(a+bX)]2} 来衡量以 a +b X 近似表示Y 的好坏程度 : e 值越小表示 a +b X 与 Y 的近似程度越好. 用微积分中求极值的方法，求出使e 达到最小时的 a,b 相关系数刻划了X和Y间“线性相关”的程度. =E(Y2)+b2E(X2)+a2- 2bE(XY)+2abE(X) - 2aE(Y) e =E{[Y-(a+bX)]2 } 解得 这样求出的最佳逼近为L(X)=a0+b0X 这一逼近的剩余是 若 =0， Y 与 X 无线性关系，即不相关; Y与X以概率1存在线性关系; 若 若 0| |1, | | 的值越接近于1, Y与X的线性相关程度越高; | | 的值越接近于0, Y与X的线性相关程度越弱. E[(Y-L(X))2]= D(Y)(1- ) 定理：X和Y 独立时， = 0（X和Y不相关）。 但其逆不真。 证：由于当X和Y独立时，Cov(X,Y)= 0. 故 = 0 但由 并不一定能推出X和Y 独立. 请看下述反例： X的概率密度函数为 例1： 因而 = 0， 即X和Y不相关 . 对一般二维随机变量(X,Y)：独立 不相关。 对服从二维正态分布的随机变量(X,Y) ： 书上证明了X,Y的相关系数就是r。 前面证明过： X,Y独立? r = 0。 故： X,Y独立? X,Y不相关。 三、课堂练习 2、 1、 2、解: 1、解: 一、 原点矩，中心矩 定义 设X和Y是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩 存在，称它为X的k阶中心矩 均值 E(X)是X一阶原点矩 方差D(X)是X的二阶中心矩 协方差Cov(X,Y)是X和Y的二阶混合中心矩. 称它为 X 和 Y 的 k+l 阶混合（原点）矩. 若 存在， 称它为X 和 Y 的 k+l 阶混合中心矩. 设 X 和 Y 是随机变量，若 k,l =1,2,… 存在， 二、协方差矩阵 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. 对称矩阵 类似定义n 维随机变量(X1,X2, …,Xn) 的协方差矩阵. 为(X1,X2, …,Xn) 的协方差矩阵 都存在, ( i, j=1,2,…,n ) 若 矩阵 称 一、填空题 一、填空题 一、填空题 二、选择题 二、选择题 二、选择题 二、选择题 三、解答题 3 2 1 0 X 上一节我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量的一个重要的数字特征. 但是在一些场合，仅仅知道平均值是不够的. 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： 哪台仪器好一些呢？ 甲仪器测量结果 较好 测量结果的均值都是 a 因为乙仪器的测量结果集中在均值附近 乙仪器测量结果 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： 哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因