概率论与数理统计4.4-4.5.ppt

数据的特征和测度（矩的应用） 偏态与峰度分布的形状 偏态系数 1. 数据分布偏斜程度的测度 2. 偏态系数=0为对称分布 3. 偏态系数 0为右偏分布 4. 偏态系数 0为左偏分布 5. 计算公式为 偏态(实例) 偏态与峰度(从直方图上观察) 偏态系数（计算过程） 偏态系数(计算结果) 峰度(概念要点) 1. 数据分布扁平程度的测度 2. 峰度系数=3扁平程度适中 3. 峰度系数3为扁平分布 4. 峰度系数3为尖峰分布 5. 计算公式为 峰度系数系数(实例计算结果) 72521.25 2927.15 4686.51 1293.53 46.52 0.20 140.60 985.49 2755.00 5282.94 8361.98 46041.33 (Xi- X ) 4Fi 1689.25 -154.64 -336.46 -144.87 -11.84 0.18 23.16 89.02 171.43 250.72 320.74 1481.81 (Xi- X ) 3 Fi 100 — 合计 2.28 12.45 20.35 19.52 14.93 10.35 6.56 4.13 2.68 1.81 4.94 2.5 7.5 12.5 17.5 22.5 27.5 32.5 37.5 42.5 47.5 52.5 5以下 5—10 10—15 15—20 20—25 25—30 30—35 35—40 40—45 45—50 50以上 户数比重(%) Fi 组中值 Xi 按纯收入分组 （百元） 农村居民家庭纯收入数据偏态及峰度计算表 根据上表数据计算得 将计算结果代入公式得 结论：偏态系数为正值，而且数值较大，说明农村居民家庭纯收入的分布为右偏分布，即收入较少的家庭占据多数，而收入较高的家庭则占少数，而且偏斜的程度较大 代入公式得 前例中，计算农村居民家庭纯收入分布的峰度系数 结论：由于=3.43，说明我国农村居民家庭纯收入的分布为尖峰分布，说明低收入家庭占有较大的比重 小 结 本节首先介绍二维随机变量 (X,Y) 的分量X与Y 的协方差及相关系数的概念、性质和计算；然后介绍随机变量的各种矩(k 阶原点矩、 k 阶中心矩、k+m 阶混合原点矩、k+m 阶混合中心矩)，n 维随机向量的协方差阵的概念、性质和计算. 数字特征小结 六种常见 分布的期 望与方差 * * 对于二维随机变量(X,Y)来说， 其分量X和Y有期望与方差之外, 还应有一些数字特征, 用以刻画X与Y之间的相关程度，其中最主要的就是下面要讨论的协方差和相关系数。 对于一维随机变量X来说， 数学期望刻画了其取值的平均水平； 方差刻画了取值对于其数学期望的偏离程度。 若X与Y 独立，则 D(X+Y)= D(X)+D(Y) 若X与Y不独立，则 D(X+Y)= ？ 从而， 在一定程度上反映了二维随机变量(X,Y)中的分量X与Y 的某种相互关系。 协方差 Covariance 定义：若随机变量X的期望E(X)和Y的期望E(Y)都存在, 则称Cov(X, Y)=E{[X?E(X)][Y?E(Y)]}为X与Y的协方差. 计算式： 所以计算协方差，归根结底还是计算数学期望 计算期望是重点：二维随机变量如何计算期望 当 X 和 Y 相互独立时，Cov(X, Y)=0； X:一维离散型 X:一维连续型 (X,Y):二维离散型 (X,Y):二维连续型 Cov(X, X) = D(X) Cov(X, Y) = Cov(Y, X)； Cov( aX, bY ) = ab Cov(X, Y) , a, b, 是常数 Cov(X1+X2, Y)= Cov(X1, Y) + Cov(X2, Y) 补充： Cov(X, a )=0 Cov( aX+b, cY+d ) = ac Cov(X, Y) ； Cov( aX1+bY1, cX2+dY2 ) = acCov(X1, X2) + bcCov(Y1, X2)+adCov(X1, Y2) +bdCov(Y1, Y2) 协方差的性质 D(X+Y)=D(X)+D(Y)+2Cov(X, Y) D(X-Y)=D(X)+D(Y)-2Cov(X, Y) 推广： D(X+Y+Z) =D(X)+D(Y)+ D(Z)+ 2Cov(X, Y) +2Cov(X, Z)+2Cov(Y, Z) 协方差的性质 期望、方差、协方差的性质对比 当X与Y独立时 E(XY)=E(X)E(Y) Cov(X+Y,Z) =Cov(X,Z) +Cov(Y,Z) D(X+Y)=D