4 随机变量及数字特征.ppt

n元正态分布的几条重要性质 1. X=(X1,X2, …,Xn)服从n元正态分布 a1X1+ a2 X2+ …+ an Xn 均服从正态分布. 对一切不全为0的实数 a1,a2,…,an， 若 X=(X1, X2 , … , Xn) 服从 n 元正态分布， Y1,Y2, …，Yk是Xj（j=1,2,…,n）的线性函数， 则 (Y1,Y2, …，Yk) 也服从多元正态分布. 2. 正态变量的线性变换不变性. 3. 设(X1,X2, …,Xn)服从n元正态分布，则 “X1,X2, …,Xn相互独立” 等价于 “X1,X2, …,Xn两两不相关” 4. n维正态变量(X1,X2, …,Xn)的每个分量Xi(i=1,2,…,n) 都是正态变量； 反之，若X1,X2, …,Xn都是正态变量，且相互独立， 则 (X1,X2, …,Xn)是n维正态变量. * * * (3) 不相关的充要条件 对 X 与 Y, 下列事实是等价的： (4) 若随机变量X与Y相互独立, 则X与Y不相关. 相互独立 不相关 证：由于当X和Y独立时，Cov(X,Y)= 0. 故 = 0. 请看下述反例： 注：其逆命题不真，即 解 证明: (1) X, Y不相关; (2) X, Y不相互独立. 知X, Y不相互独立. 解 例4.24 结论 对一般二维随机变量(X,Y)：独立 不相关. 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关. 解 例4.24 课堂练习 1、 2、 1、解 2、解 例4.25 解 4.4.1 基本概念 4.4.2 n 维正态变量的性质 4.4　矩与协方差矩阵 4.4.1 矩 1.定义 均值 E(X) 是X一阶原点矩 方差 D(X) 是X的二阶中心矩 协方差Cov(X,Y)是X和Y的二阶混合中心矩. 例4.26 柯西?许瓦兹(Cauchy-Schwarz)不等式 设X与Y是两个随机变量，若E(X2),E(Y2) 存在，则 证明 考虑实变量 t 的二次函数 3. 协方差矩阵 二维随机变量(X,Y)有四个二阶中心矩 将它们排成矩阵形式 这个矩阵称为随机变量(X,Y) 的协方差矩阵。 解 例4.27 例 设二维随机变量（X,Y）的协方差矩阵为 求 协方差矩阵的应用 协方差矩阵可用来表示多维随机变量的概率密度，从而可通过协方差矩阵达到对多维随机变量的研究 由于 引入矩阵 由此可得 由于 作n维推广，便可定义n维正态分布： 为协方差矩阵. 定义(n维正态分布) 设 为n维随机变量，若其概率密度为 为 的协方差矩阵， 则称 服从n维正态分布，记作 3. 泊松分布 则有 所以 4. 均匀分布 则有 5. 指数分布 则有 6. 正态分布 则有 分　　布 参数 数学期望 方差 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布 常见分布的期望与方差 两个重要结论 证明: 由期望和方差的性质可知 由于X和Y相互独立，故 练习：已知随机变量X~N(-1,1),Y~N(3,4), 且X与Y相互独立，求随机变量Z=2X-Y+4的概率密度。 推广 称 X* 为 X 的标准化随机变量。 解 例4.6 解 例4.18 设某台机器由3个元件组成，在设备运转中各个元件需要调整的概率分别是0.1，0.2，0.3.假设各个元件是否需要调整相互独立，以X表示同时需要调整的元件数，试求X的数学期望与方差。 由数学期望与方差的性质及0-1分布的性质得到 E(X) =E(X1)+E(X2)+E(X3) =0.1+0.2+0.3=0.6 D(X) =D(X1)+D(X2)+D(X3) =0.1?0.9+0.2?0.8+0.3?0.7=0.46 解法2：设A,B,C分别表示元件1，2，3需要调整， 则A,B,C两两相互独立。X可以取值为0, 1, 2, 3. P(X=0)= P(X=1)= P(X=2)= P(X=3)=P(ABC)=0.1?0.2?0.3=0.006 所以X的分布律为 E(X) =1?0.398+2?0.092+3?0.006=0.6 E(X 2)=1?0.398+22 ?0.092+32 ?0.006=0.82 所以D(X)= E(X 2) ? (EX)2 =0.82-0.36 =0.46 四、进阶练习 1、 设随机变量X服从几何分布，概率分布为 P{X=k}=p(1-p)k-1, k=1,2,… 其中0p1,求E(X),D(X) 2、 1、解： 记 q=1-p 求和与求导 交换次序 无穷递缩等比 级数求和公式