同时确率密度关数 joint probability density function.pptVIP

下载本文档

55
0
约5.46千字
约 26页
2017-08-16 发布于天津
举报
版权申诉

同时确率密度关数 joint probability density function.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

同时确率密度关数 joint probability density function

期待値と分散期待値と分散 X/Yの期待値 Var(X), Var(aX+b) 例（平均値の期待値と分散） E(X),Var(X) ST=SA+SE ST=SA+SE　証明 3.3. Multiple Random Variables 条件付き確率関数　Conditional Probability Mass Function 共分散と相関係数同時連続変数　Continuous Joint Bivariate X, Y Fig. 3.13 Joint PDF Conditional PDF Marginal DF Example of PDF and CDF 条件付き確率密度関数　Conditional Probability Density Function * E(aX+b) = aE(X) + b E(X+Y) = E(X) + E(Y) E(XY) = E(X) E(Y) 　　　　　　　X, Y: 独立 Var(X) = E(X2) – {E(X)} 2 Var(aX+b) = a2 Var(X) f(X) f(X+b) b X0 X0+b X0 μ+σ aX0 aμ+aσ f(X) f(aX) Var(X+b) = Var(X) C(X,Y) = E[[X-E(X)] [Y-E(Y)] ] R: 相関係数 Var(X+Y) = V(X)+V(Y) +2C(X,Y) Var(X+Y) = V(X)+V(Y) 　　　　　　　　 X, Y: 独立 Var(a1X1+a2X2+ ‥ ‥ +anXn) 　　 = a12V(X1)+a22V(X2) + ‥ +an2 (Xn) +2a1a2C(X1,X2)+ 2a1a2C(X1,X2) + ‥+ 2a1anC(X1,Xn)+2a2a3C(X2,X3) + ‥+ 2an-1anC(Xn-1,Xn) = a12V(X1)+a22V(X2) + ‥+an2 (Xn) Xi, Xｊ: 独立 example E(aX+b) = ∫ (aX+b) f(X) dX = ∫ aX f(X) dX + ∫b f(X) dX = a ∫X f(X) dX + b∫ f(X) dX = a E(X) +b E(X+Y) =?(X+Y) f (X,Y) dYdX =?X f (X,Y) dYdX+?Y f (X,Y) dYdX =∫X f X(X) dX+∫ Y fY (Y) dY = E(X) +E(Y) E(XY) = ?XY f (X,Y) dYdX = ?XY f X(X) fY (Y) dYdX = ∫ X f X(X) dX ∫Y fY (Y) dY = E(X) E(Y) 　　　X, Y: Independent E(X/Y) = ?X/Y f (X,Y) dYdX = ?X/Y f X(X) fY (Y) dYdX = ∫ X f X(X) dX ∫1/Y fY (Y) dY = E(X) ∫1/Y fY(Y) dY 　　 = E(X) E(1/Y) 　 Var(X) = E[{X-E(X)}2] = E [X 2 -2XE(X)+ { E(X) }2] = E(X 2) –2E(XE(X))+E({ E(X) }2) = E(X 2) –2 E(X) E(X)+ { E(X) }2 = E(X 2) –{ E(X) }2 Var(aX+b) = E [{ aX+b - E(aX+b) }2] = E [{ aX+b - aE(X) -b) }2] = E [a2{ X- E(X) }2] = E [a2{ X- E(X) }2] = a2 Var(X) Var(X+Y) =E[{X+Y-E(X+Y)}2] =E[{X+Y-E(X)-E(Y)}2] =E[{X- E(X) +Y-E(Y)}2] =E[{X- E(X)}2 +{Y-E(Y)}2+2 {X- E(X)}{Y-E(Y)}] =Var(X) + Var(Y) +2C(X,Y) C(X,Y) =E[ {X- E(X)}{Y-E(Y)}] C(X,Y)=E[ {X- E(X)}{Y-E(Y)}] =E[ XY- E(X)Y-E(Y)X + E(X)E(Y)] =E[XY]- E(X)E(Y)- E(Y)E(X) + E(X)E(Y) =E[XY]- E(X)E(Y) =0 X, Y: 独立