山财大 概率论与数理统计_第4章new.pptVIP

第四章 内容提要 一、数学期望（均值） 定义：离散型 X~P(X=xi)=pi, i=1,2,…,n，… 若 ，则E(X) 存在，且 连续型 X~f(x) 若 ，则E(X) 存在，且 二、方差（离散程度） 定义： 若E{[X-EX]2}存在，D(X)=E{[X-EX]2} 计算公式： 性质： D(C)=0, D(CX)=C2D(X), D(X+C)=D(X) D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]} X,Y独立时，D(X+Y)=D(X)+D(Y) D(C1X+C2Y)= C12 D(X)+C22D(Y) 性质： E(C)=C, E(CX)=CE(X), E(X+Y)=E(X)+E(Y) E(C1X1+ C2X2+…+ CnXn)=C1E(X1)+C2E(X2)+…+ CnE(Xn) X,Y独立时， E(XY)=E(X)E(Y) 六种常用随机变量的期望与方差 * 三、相关系数的性质 1、|ρXY|≤1，即“相关系数的绝对值小于等于1”。 证明 方差的非负性 |ρXY|≤1 2、 |ρXY|=1的充分必要条件是X与Y以概率1存在线性关系，即 P(Y=aX+b)=1，a≠0，a,b为常数。 证明（充分性）(p108) 设Y=aX+b，则E(Y)=aE(X)+b，D(Y)=a2D(X) Cov(X,Y)= E{[X?E(X)][Y?E(Y)]} = E{[X?E(X)][aX+b?aE(X)?b]} =aE{[X?E(X)]2}= aD(X) 即 |ρXY|=1 （必要性）设ρXY=1，则 性质1 方差性质 其中 即X与Y以概率1存在线性关系，此时称X，Y正相关。 当ρXY=-1时 其中 即X与Y以概率1存在线性关系，此时称X，Y负相关。 定义 若ρXY=0，则称X与Y不相关。 3、若X与Y相互独立，则必有X与Y不相关。 证明 X与Y相互独立，有E(XY)=E(X)E(Y) Cov(X,Y)=E(XY)?E(X)E(Y)=0 所以 ρXY=0 即X与Y不相关。 注意：X与Y不相关， X与Y未必相互独立。 所谓不相关只是就线性关系而言，而相互独立是就一般关系而言的。 例4.17 设(X, Y)在D={(x,y)|x2+y2?r2}上服从均匀分布，(1)求ρXY；(2)讨论X与Y的独立性。 解 (1) Cov(X,Y)=E(XY)?E(X)E(Y)=0， 所以ρXY=0，X与Y不相关。 (2) 显然 X与Y不独立。 二维正态随机变量(X,Y) ， X与Y独立 例4.18 设二维随机变量 则可求得协方差Cov(X,Y)=ρσ1σ 2 且相关系数ρXY =ρ 二维正态变量(X,Y)，X与Y相互独立的充分必要条件是ρ=0(P78 例7)； 而ρXY =ρ=0表示X与Y不相关， 可见， X与Y独立的充分必要条件是X与Y不相关。 X与Y不相关 等价于 解1) 2) 练习 1、设随机变量X?B(12,0.5)，Y?N(0,1)，Cov(X,Y)=-1,求V=4X+3Y+1与W=-2X+4Y的方差与协方差(33)。 2、X Y Z相互独立，X服从[0,6]均匀分布， Y?N(1,4)，Z服从参数为2的泊松分布，求W=X-Y-2Z+3的方差。 3、设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数。 4、相关系数在线性变换下保持不变，即若U=aX+b， V=cY+d (ac0)，则ρUV =ρXY 2 解 4.5 矩、协方差矩阵 1、若E(Xk)存在，则称Ak=E(Xk)为随机变量X的k阶原点矩，简称k阶矩(k=1,2,…)，而E(|X|k)称为X的k阶绝对原点矩； 2、若E{[X-E(X)]k}存在，则称Bk=E{[X-E(X)]k}为随机变量X的k阶中心矩(k=1,2,…)，而E{|X-E(X)|k}称为X的k阶绝对中心矩； 3、若E(XkYl)存在，则称E(XkYl)为随机变量X、Y的k+l阶混合原点矩(k,l=1,2,…)； 4、若E{[X?E(X)]k[Y?E(Y)]l}存在，则称E{[X?E(X)]k[Y?E(Y)]l}维随机变量的k+l阶混合中心矩(k,l=1,2,…)。 由矩的概念 数学期望E(X)即为X的一阶原点矩； 方差D(X)即为X的二阶中