第三章-多维随机向量的分布和数字特征.ppt

例5.4 一、二维随机变量的数学期望及边缘分布的数学期望 (X,Y)为二维离散型随机变量 (X,Y)为二维连续型随机变量 多维随机向量的数字特征 例3.8 设(X,Y)的联合密度为 1 1 3 解： 二、 二元随机变量函数的求数学期望 离散型 连续型 例3.10 设X与Y相互独立，它们的概率密度函数分别为 三、随机变量数学期望方差的性质续 1. 设C是常数，则E(C)=C； 2. 若k是常数，则E(kX)=kE(X)； 3. E(X+Y) = E(X)+E(Y)； 4. 设X，Y 相互独立，则 E(XY)=E(X)E(Y)； 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 5. 相互独立时 当随机变量 证明：这里只证明3,4,5 利用这些性质可以在求数学期望、方差时计算得以化简。 例3.11 解： 例3.12 设随机变量X~B(n, p)，求二项分布的数学期望。 X~B(n, p)，则X表示n重贝努里试验中的“成功” 次数。 解： 随机变量间的的协方差与相关系数 Covariance and Correlation coefficient 随机变量间协方差与相关系数 Def 协方差的定义 相关系数的定义 Def 随机变量间协方差的计算 离散型 连续型 注意：协方差与相关系数反映的是同一个内容，只是协 方差有单位，而相关系数无单位。 例3.13 0 1 2 3 1 0 3/8 3/8 0 3/4 3 1/8 0 0 1/8 1/4 1/8 3/8 3/8 1/8 解：边际分布如表 例3.14 解：边际概率密度为 随机变量间协方差与相关系数的性质 性质6,7说明相关系数反映了随机变量之间线性相关性的强弱。 证明: 随机变量间线性无关的概念 Def 例3.15 -1 0 1 1/3 1/3 1/3 解： 0 1 -1 1/3 0 0 0 1/3 1 1/3 0 这个题说明相关系数反映了随机变量之间线性相关性的强弱。 条件数学期望 一、对于离散型随机变量 设离散型随机变量 在 的条件下概率函数为 又 ，则称 为 在 条件下的 条件数学期望，简称条件期望，记作 ，即 同理可定义，随机变量 在 条件下的条件期望 二、对于连续型随机变量 设连续型随机变量 在 的条件下条件概率密度函数 为 且 ，则称 为 在 条件下的条件数学期望记 作 ，即 同理可定义，随机变量 在 条件下的条件期望 两个随机变量的相互独立与判定 1.Def 设 为二维随机向量，其分布函数为 ，边 际分布函数分别为 ，如对于任意的 有 则称 为二维随机向量的两个分量 相互独立。 例2.36设二维随机向量 的分布函数为 试判断随机变量 的独立性。 解: 关于两个分量 X 和 Y 的边际分布函数为 显然，对于任意的 有 2.两个随机变量相互独立的等价描述 定理1设二维随机向量 的分布表及其对应分量 与 的边际分布列如下表所示，则随机变量 与 独立的充要条 件为 定理2设二维随机向量 的概率密度为 ，对应 分量 与 的边际分布密度分别为 ，则随机变量 与 独立的充要条件为 例3.9 设(X,Y)的概率分布表为 0 1 0 1/4 1/4 1/2 1 1/4 1/4 1/2 1/2 1/2 问X和Y是否独立？ 解：关于各分量的边际分布列计算如表所示。 例3.10 设(X,Y)的概率分布表为 0 1 2 0 0 0 1/10 1/10 1 0 3/5 0 3/5 2 3/10 0 0 3/10 3/10 3/5 1/10 解：关于各分量的边际 分布列计算如表所示。 显然有 例3.11 设(X,Y)的概率密度为 问X和Y是否独立？ 解：关于各分量的边际概率密度分别为 显然，对于 有 例3.12设(X,Y)的概率密度为 问X和Y是否独立？ 解：关于各分量的边际概率密度分别为 显然，对于 有 3.随机变量相互独立概念的推广 在实际问题中