概率数字特征.ppt

5.2.2.协方差矩阵 对n维随机变量 定义: 矩阵: 称为其协方差矩阵 协方差矩阵的性质: 1)对称性: 2)非负定性: i)对任意的n维实向量 有: ii)其行列式 5.3.例: 5.4.两个随机向量的数学期望和相关矩阵之间的关系 定理:设有两个随机向量 有关系: 其中 是一个n阶方阵.则有 1.4.数学期望的基本性质 1.5.数学期望的定义2: 1.5.数学期望的定义2: 3)矩阵的情形 由上面的讨论可以看出,单就某一个随机变量而言,数学期望实际上就是一维随机变量的数学期望.所谓二维随机变量的数学期望,实际上就是两个一维随机变量的数学期望构成的有序数组.因此,若矩阵A的每一个矩阵元aik都是随机变量,则定义其数学期望E(A)为一个矩阵,其矩阵元为 [E(A)]ik=E(aik) 4)函数的数学期望 一如前面的定义,二维随机变量的函数的数学期望为: 3.2二维随机变量的方差 方差实际上是随机变量的函数的数学期望,故若 边缘密度函数和方差分别为 对二维离散型随机变量的情形 设 是二维离散型随机变量,分布律为 其边缘分布为 则方差为: 3.3协方差 定义:二个随机变量的协方差为 协方差的性质: 3.4 相关系数 定义:随机变量 的相关系数为 若 ,则称 不相关. 3.5.条件期望 定义: 例:二维正态分布的数学期望和方差 . 对二维正态分布,有: 例:二维正态分布的条件期望. . 我们知道,二维正态分布的两个条件分布也都是正态分布 例:二维正态分布的相关系数 对二维正态分布,有: 例:二维离散型随机变量的数字特征 求下列分布的各数字特征: Y X -1 0 1 -1 0 0.2 0 0 0.1 0.4 0.1 1 0 0.2 0 例:二维连续型随机变量的数字特征 假设随机向量(X,Y)在以点(0,1),(1,0),(1,1)为顶点的三角形区域上服从均匀分布,求诸数字特征. §4.数字特征的性质和意义 性质1.若c是常数,则E(c)=c, D(c)=0. 性质2.若a,b是常数,则 性质3.随机变量和的数学期望: 性质4.线性函数的数学期望: 性质4之系:(可当存目) 系1:当 时, 为最小. 系2:当 时, 为最小. 性质5:(计算性质) 性质6:随机变量之和的方差,随机变量之积的数学期望 性质7:协方差的性质: 性质8:(契贝晓夫不等式,方差的意义) 定理:对任意的随机变量 ,若数学期望和方差都存在,则对任意的正常数 ,有 由此可分析方差的意义. 契贝晓夫不等式的证明: 证明要点: 性质9:随机变量 的方差的充要条件是 取某个常数的概率 为1.即 证:充分性是显然的.现证必要性. 设 ,则 存在, 注意到 于是有: 性质10:(布尼亚柯夫斯基—柯西—许瓦兹不等式) 定理:若 是一个二维随机变量,它们的方差存在,则有 证明要点:考虑实变量t的二次函数 性质11.相关系数的性质 定理:设二维随机变量 的两个分量 的相关系数为 ,则有 1) 2) 的充分必要条件是 以概率1线性相关,即存在常数a,b,使 证明:**随机变量的 “中心化” 令: 则: 1)证:由相关系数的定义和柯西—许瓦兹不等式: 2)证:注意到 由柯西—许瓦兹不等式的证明,这相当于 有根t=T,即 而 所以 性质12.相关性的讨论 1)二随机变量相互独立是它们不相关的充分条件. 证略. 2)两个不相关的随机变量可能不是相互独立的 例: 3)相关系数描述的是线性相关性 X