第3章数字特征(概率论与数理统计(东南大学课件.pptVIP

2. 常见的连续型随机变量的均值及方差: 作业：P89. 3,4,6,14,18,20. §4. 协方差和相关系数 注: (i) ?XY是一个无量纲的量. (ii) Var(X)=?XX. (iii) 对于任意的两个随机变量X和Y, 有 D(X?Y)=D(X)+D(Y) ?2Cov(X,Y). (iv) Cov(X, Y)=E(XY)-E(X)E(Y). (二) 协方差的性质: 10 Cov(X, Y)=Cov(Y, X); 20 Cov(a1X+b1, a2Y+b2)=a1a2Cov(X,Y), 其中a1, a2, b1,b2是常数; 30 Cov(X1+X2, Y)=Cov(X1,Y)+Cov(X2, Y); 40 |Cov(X, Y)|2≤D(X)·D(Y); 50 若X, Y相互独立, 则Cov(X, Y)=0. 从定义看, 相关系数?XY与协方差?XY只差 一个常数倍, ?XY是标准化了的协方差, 关 于相关系数有下面定理。 注: 定理说明了相关系数?XY刻划了X, Y之间的线性相关关系, 当?XY=0时, 我们称X,Y不相关 (这里是指它们之间没有线性相关关系)。 例1. 设(X, Y)服从二维正态分布, 求X和Y的相关系数. 注: 由第2章我们曾证明过的一个命题, 设(X, Y)服从二维正态分布, 则X, Y 相互独立的充要条件是?=0. 知X与Y不相关与X和Y相互独立是等价的。 §5. 矩、协方差矩阵 一. 定义: 设X和Y是随机变量, (1) 若E(Xk), k=1, 2, …存在, 则称它为X的 k 阶原点矩。 (2) 若E{[X-E(X)]k}, k=1, 2, …存在, 则称它为X的 k 阶中心矩。 (3) 若E{Xk?Yl}, k, l=1, 2, …存在, 则称它为X和Y的 k+l 阶混合矩。 (4) 若E{[X-E(X)]k?[Y-E(Y)]l}, k, l=1, 2,…存在, 则称它为 X和Y的 k+l 阶中心混合矩. 注：E(X), E(Y)为一阶原点矩；D(X), D(Y)为二阶中心矩，?XY为二阶中心混合矩. 三. 协方差阵的性质: 10 C是对称的 (由协方差的性质： Cov(X,Y)=Cov(Y,X), ?ij= ?ji可得) ； 20 ?ii=D(Xi), i=1, 2, 3, …, n； 30 ?ij2≤ ?ii ?jj, i,j=1, 2, …, n (由许瓦兹不等式可得)； 40 C是非负定的, 即对任意的n维向量 a=(a1, a2, …, an)T, 都有aTCa≥0. 四. n维正态变量: 2. 性质: 10 n维随机变量 (X1, X2, …, Xn)服从n维 正态分布的充要条件是X1, X2, …, Xn的任一线性组 合 l1X1+l2X2+ …+ln Xn 服从一维正态分布； 20若(X1, X2, …, Xn)服从n维正态分布, 设Y1,Y2, …, Yn 是Xj (j=1, 2, …, n)的线性函数, 则(Y1,Y2, …Yn)也服 从多维正态分布； 30若(X1, X2, …, Xn)服从n维正态分布, 则 “X1, X2, …, Xn” 相互独立与 “X1, X2, …, Xn” 两两不相关是等价的。 作业：P99. 1,3,7 . 第3.3节 大数定律与中心 极限定理 §1. 大数定律 在第一章曾提到过事件发生的频率具有稳定性，这种稳定性就是本节所要讨论的大数定律的客观背景。 * * 第3章 数字特征 1. 数学期望 在一些问题中，有时需要知道随机 变量的平均取值情况、取值 的分散程度以及其它的一些数字特征。 解: 计算X1的均值, 由定义有 E(X1)=0?0+1 ? 0.2+2 ? 0.8=1.8 (如甲进行很多次射击, 其得分的平均分为1.8) 而乙的得分为 E(X2)=0?0.6+1 ? 0.3+2 ? 0.1=0.5 显然,乙的成绩比甲的差. 例1. 甲,乙两人进行打靶, 所得分数分 别记为X1, X2, 它们的分布律分别为: X1 0 1 2 X2 0 1 2 pk 0 0.2 0.8