概率4概率理论与数学统计.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 四、小结 1. 方差是一个常用来体现随机变量 X 取值分散程度的量. 如果 D(X) 值大, 表示 X 取值分散程度大, E(X) 的代表性差; 而如果 D(X) 值小, 则表示 X 的取值比较集中, 以 E(X) 作为随机变量的代表性好. 2. 方差的计算公式 3. 方差的性质 4. 契比雪夫不等式 概率论与数理统计第 15 讲 1. 问题的提出 协方差 §4.3 协方差 相关系数 定义1 设(X,Y)为二维随机变量，若 E{[X-E(X)][Y-E(Y)]} 存在，则称其为随机变量X与Y的 协方差，记为Cov(X,Y)．即 (1)若(X,Y)为离散型， 则 (2)若(X,Y)为连续型,其概率密度为f(x,y), 则  计算公式： 协方差的性质： 1。Cov(X,Y)=E(XY)-E(X)E(Y)  2。D(X+Y)=D(X)+D(Y)±2Cov(X,Y) 1。Cov(X,X)=D(X)； 2。Cov(X, Y)=Cov(Y, X)；3。Cov(aX, bY)=abCov(X, Y)； (a,b为常数) 4。Cov(X1+X2, Y)=Cov(X1, Y)+Cov(X2, Y)； 5。若X与Y独立，则 Cov(X, Y)=0. 例1 设(X,Y)具有概率密度 求 Cov(X,Y). 答： 解： [注] ? ?XY是一个无量纲的量． ? X, Y相互独立 ? X与Y不相关；反之不一定. 定义2 设(X,Y)为二维随机变量，若D(X)0, D(Y)0 为随机变量X与Y的 相关系数，记为 ?XY ． 称 特别，当?XY =0时，称X与Y不相关． X与Y不相关 ? Cov(X,Y) ?E(XY)=E(X)E(Y)  ?D(X+Y)=D(X)+D(Y) 相关系数的性质： 证明： 考虑用X的某个线性函数a+bX来近似表达Y，我们以均方误差 来衡量以 a+bX 来近似表达Y 近似的好坏程度. 选取a，b 使 e 值最小. 数 证2o 反之，若 [注] 相关系数?XY刻画了随机变量 Y 与X之间的“线性 相关”程度: |?XY| 的值越接近于1， Y 与X 的线性相关程度越高； |?XY| 的值越接近于0， Y与X 的线性相关程度较弱. (2) 当?XY =0时,只说明Y 与X之间没有线性关系,并不能说明Y 与X之间没有其他函数关系,从而不能推出Y 与X独立. 例2 设 则 X, Y相互独立 ? X, Y不相关． 解 由上章§3.4例1知，X, Y相互独立?? = 0，即?XY=0, 亦即X,Y不相关．由此知二维正态随机变量X与Y相互独立与不相关是等价的． 例3 已知 设 , 求 解 定义1 设X, Y为随机变量, k, l为正整数，称 §4.4 矩 协方差矩阵 为X的k阶原点矩( k阶矩) 为X的 k阶中心矩; 为X与Y的k+l 阶混合矩; 为X与Y的k+l 阶混合中心矩 [注] (1)E(X)是X的一阶原点矩； (2)D(X)是X的二阶中心矩； (3)Cov(X,Y)是X与Y的二阶混合中心矩. 定义2 设n维随机变量 的二阶混合中心矩都存在，称矩阵 为n维随机变量 的协方差矩阵。 其中 显然： 例4 解 (1) 不相关与相互独立的关系 3. 注意 相互独立 不相关 (2) 不相关的充要条件 相关系数的意义 解 1 解 2 解 3 * * * * * * 证 (仅对(X,Y)为连续型随机变量证明性质3,4) 设(X,Y)的概率密度为f（x,y），其边缘概率密度分别为