概率与过程（陆中胜）第二节 方差等数字特征.pptVIP

4.2 方差一. 定义与性质 二.几个重要r.v.的方差 三.切比雪夫不等式 4.3 协方差，相关系数一.协方差定义与性质 二.相关系数 4.4 矩、协方差矩阵 5. 协方差矩阵 本节要求 * * 1. 定义 若E(X),E(X2)存在，则称 E[X-E(X)]2 为r.v. X的方差，记为D(X),或Var(X). 称 为r.v.X的标准差或均方差 2. 推论 D(X)=E(X2)-[E(X)]2 方差描述了随机变量的取值与其均值的偏离程度。 例1：设随机变量X的概率密度为 1)求D（X）, 2)求 3. 方差的性质 (1) D(c)=0 . 反之，若D（X）=0，则存在常数C， 使 P{X=C}=1, 且C=E(X); (2) D(aX)=a2D(X), a为常数； (3)若 X，Y 独立，则 D(X+Y)=D(X)+D(Y); D(-X)=D(X) 解：设 第i次试验中事件A发生 第i次试验中事件A不发生 则 1. 二项分布B(n, p)： 2. 泊松分布p(?)： 由于 两边对?求导得 即 即 3. 均匀分布U(a, b)： 4.指数分布： 5. 正态分布N(?, ?2)： 思考： 1.请给出一个离散型随机变量X和一个连续型随机变量Y，使它们的期望都是2，方差都是1。 2. 泊松分布p(?)： 1. 二项分布B(n, p)： 若r.v.X的期望和方差存在，则对任意??0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式： 切比雪夫大数定律 已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价大于等于1+a元或小于等于1-a元的概率小于10%。 解:由切比雪夫不等式 令 1.协方差定义 若r.v. X的期望E(X)和Y的期望 E(Y)存在, 则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]} 为X与Y的协方差, 易见 Cov(X, Y)=E(XY）-E(X)E(Y) 当Cov(X,Y)=0时，称X与Y不相关。 X与Y独立 → X与Y不相关 “X与Y独立”和“X与Y不相关”有何关系？ X与Y相关→ X与Y不独立 2.协方差性质 (1) Cov(X, Y)=Cov(Y, X); (2) Cov(X,X)=D(X);Cov(X,c)=0 (3) Cov(aX, bY)=abCov(X, Y), 其中a, b为 常数 (4) Cov(X+Y，Z)=Cov(X, Z)+Cov(Y, Z); (5) D(X+Y)=D(X)+D(Y)+2Cov(X, Y). D(X+C)=D(X) D(X-Y)=D(X)+D(Y)-2Cov(X, Y). EX: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 1. 定义: 若r.v. X，Y的方差和协方差均存在, 且DX0,DY0，则 称为X与Y的相关系数. 注：若记 称为X的标准化，易知EX*=0，DX*=1.且 2.相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； (3) X与Y不相关? ?XY=0. 1.设(X,Y)服从区域D : 0x1 , 0yx 上的均匀分布,求X与Y的相关系数与独立性. D 1 x=y 解 X与Y相关且不独立. 以上EX的结果说明了什么？ 解1) 2) 可见，若（X，Y）服从二维正态分布，则X与Y独立的充分必要条件是X与Y不相关。 1. K阶原点矩 E(Xk), k=1, 2, … 而E(|X|k)称为X的K阶绝对原点矩； 2. K阶中心矩 E[X-E(X)]k, k=2, 3, … 而E|X-E(X)|k称为X的K阶绝对中心矩； 3. K+l阶混合原点矩 E(Xk Yl), k, l= 1, 2, …； 4. K+l阶混合中心矩 E{[X?E(X)]k[Y?E(Y)]l}, k, l= 1, 2, …； 1.定义 设X1，… , Xn为n个r.v., 记cij=Cov(Xi, Xj), i, j=1, 2, …, n. 则称由cij组成的矩阵为随机变量 X1，… , Xn的协方差矩阵C。即 * * *