节随机向量的数字特征.pptVIP

第二节 一、随机向量的数学期望 二、随机变量的和与积的数学期望及方差 三、随机变量的相关系数和相关性 三、随机变量的相关系数和相关性 3.随机变量的线性相关性 四、随机向量的协方差矩阵和相关矩阵 练习： 例8 设( X,Y )的分布律为 所以 这表示 X,Y 不存在线性关系 . 但, 知 X,Y 不独立. 事实上, X,Y 具有非线性关系: 前面已经证明X和Y不是相互独立的. 但 X和Y不是相互独立的. 解 上的均匀分布，试验证X和Y是不相关的, 例9 设二维随机变量(X,Y)服从单位圆 同理, (X,Y)的概率密度为 利用对称性 所以 即 X 和Y 不相关. 将二维随机变量（X1, X2）的四个二阶中心矩 排成矩阵的形式: 称此矩阵为(X1, X2)的协方差矩阵 . 这是一个 对称矩阵 * (1) 若(X,Y)是离散型随机变量，且其联合分布律为 则 (2) 若(X,Y)是连续型随机变量，联合概率密度为f(x,y)，则 1 x y 解 例1 设随机变量(X,Y)的联合概率密度为 1 x y 解 例1 设随机变量(X,Y)的联合概率密度为 例2 解 易见 X 和Y 的联合概率密度为 1 1 x y O 解 易见 X 和Y 的联合概率密度为 1 1 x y O 例2 性质2 设 X、Y 独立，则 E(XY)=E(X)E(Y); 性质1 E(X1+X2) = E(X1)+E(X2); (诸Xi 独立时) 推广： 注意：由E(XY)=E(X)E(Y)不能推出X,Y 独立 . 性质3 设 X 和Y 是两个相互独立的随机变量，则 证 而 当X 和Y 相互独立时，有 所以 推广： 若X1, X2, …, Xn 两两独立, 则 更一般地， 性质3 设X和Y是两个相互独立的随机变量，则 证 注意：以下两个式子是等价的 , 例如,当 X 和Y 相互独立时,有 若X1, X2, …, Xn 两两独立, 则 例3 一民航送客车载有20 位旅客自机场开出, 旅客有10个车站可以下车. 如到达一个车站没有旅客下车就不停车. 以 X 表示停车的次数, 求 E(X) (设每位旅客在各个车站下车是等可能的, 并设各旅客是否下车相互独立) . 引入随机变量 则有 解 由题意, 有 则有 由题意，有 所以 由数学期望的性质，得 例4 下面利用期望和方差的性质重新求二项分布的数学期望和方差 . 设 X ~ B ( n, p )， X表示n重伯努利试验中的成功次数. 设 而 X= X1+X2+…+Xn ， i =1, 2, …, n 则 所以 Xi 相互独立， 为了研究随机向量的分量之间的相关程度，下面引进协方差和相关系数这两个概念. 定义 计算公式： covariance 1. 协方差的概念及其性质 定义 计算公式： 其中 协方差的性质： (1)对称性： (2)线性性： (3)若X 和Y 相互独立，则 因为X 和Y 相互独立 注意：反之未必成立. (4) 类似地有 推广： 因此，若 X1, X2, …, Xn 两两独立，则有 协方差的大小在一定程度上反映了X和Y相互间的关系，但它还受 X与Y 本身度量单位的影响 . 例如： 为了消除量纲的影响，下面提出随机变量标准化的概念 . 可以验证， 2.相关系数的概念及其性质 标准化随机变量消除了量纲的影响. 可以验证， 定义 计算公式： 例5 设(X,Y )的联合分布律为 解 先求出边缘分布， 例6 设(X,Y )的联合密度函数为 解 先求出边缘密度， 均匀分布 类似地， 注：实际上,本题不必求边缘密度,可以直接用以下公式计算E(X)、E(Y )等. 实际上,第一种方法限定了求积分的次序,有时不方便. 性质1 证 性质2 证 相关系数的性质： 性质2 证 例7 解 相关系数是随机变量之间线性关系强弱的一个度量(参见如下的示意图) . | |的值越接近于1, Y与X的线性相关程度越高 ; | |的值越接近于0, Y与X的线性相关程度越弱 . 定义 下列事实彼此等价： 定理 若X与Y 相互独立，则X与Y 不相关. 注意：逆命题不成立,即X与Y 不相关时,不一定独立. * * *