经济管理学基础1294306781.pptVIP

由于 推广 4.3.5 n 维正态变量的性质 线性变换不变性 例: 设随机变量X和Y相互独立，且X~N(1, 2), Y~N(0, 1)。求 Z = 2X-Y+3 的概率密度。 知 Z=2X-Y+3 服从正态分布，且 解: 由X~N(1,2), Y~N(0,1)，且X与Y相互独立, D(Z) = D (X)+D (Y) = 8+1 = 9, E(Z) = 2E(X)-E(Y)+3 = 2-0+3=5 ， 故，Z~N(5, 32) . Z 的概率密度为 解 例 解 例 解 例 解 例 * * * * * * * 第*页 第4章??随机变量的数字特征 概率论与数理统计 第 十一讲 王小才 主讲教师： 淮阴工学院数理学院 §4.3 协方差与相关系数 问题的提出 协方差 4.3.1 协方差 定义：若 E{[ X-E(X)][Y-E(Y)]} 存在，则称其 为X 与Y 的协方差，记为Cov(X,Y), 即 Cov(X, Y) = E{[ X-E(X)][Y-E(Y) ]}. Covariance 协方差反映了X与Y不独立的事实 X与Y联系的密切程度 2. 性质 (1). Cov(X, Y) = Cov(Y, X)； Cov(X, X) = D(X)； 对称性 (3). Cov(X1+X2, Y)= Cov(X1, Y) + Cov(X2, Y) ； (2). 设 a, b, c, d 是常数，则 Cov( aX+b, cY+d ) = ac Cov(X, Y) ； 线性性 3. 协方差的计算公式 证明 当 X 和 Y 相互独立时，Cov(X, Y)=0； 若 X1, X2, …, Xn 两两独立，则 可推广到 n 个随机变量的情形(了解) 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 和Y 本身度量单位的影响。 例如： Cov(aX, bY) = ab Cov(X, Y). 为了克服这一缺点，对协方差进行标准化，这就引入了相关系数 。 4.3.2 相关系数 为随机变量X 和Y 的相关系数 。 定义: 设D(X) 0, D(Y) 0, 则称 无量纲 的量 Correlation coefficient 引理: 对于二维随机向量(X,Y),若E(X2), E(Y2)存在,则有 |E(XY)|2≤E(X2)E(Y2) 证明: 考虑实变量t的二次函数 h(t)=E[(tX-Y)2]=t2 E(X2)-2tE(XY)+E(Y2) 因为对一切t,有(tX-Y)2≥0,所以h(t)≥0. 从而二次方程h(t)=0或者没有实根,或者只有重根,因而，由二次方程根的判别式知识得 |E(XY)|2≤E(X2)E(Y2) 性质1:随机变量X和Y的相关系数满足|ρXY|≤1. 证明 令 则 从而|ρXY|≤1. 相关系数的性质 性质2 ? P{Y=aX + b}=1 存在常数 使得 的大小反映了X与Y之间的线性关系： ，X 与 Y 间 正相关. ，X 与 Y 间 负相关. ，X 与 Y 不相关. 完全正相关. 完全负相关. X 与Y 不相关表示X 与Y 间没有线性关系. Uncorrelated positive correlated negative correlated o X Y o o o X X X Y Y Y 0ρ1 -1ρ0 ρ =1 ρ = -1 相关情况示意图 (1) 不相关与相互独立的关系 注意 相互独立 不相关 (2) 不相关的充要条件 例 设 (X, Y) 的联合 X ?1 0 1 Y ?1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求 X, Y 的相关系数. 解 EY = 0 所以 Cov(X, Y) 从而 = EXY?EX EY = 0 分布律为 EY2 = 3/4 = 0 DY = DX EX = EX2 = = 3/4 = 0 pi. 3/8 1/4 3/8 p.j 3/8 1/4 3/8 例 结论 (2)X , Y 相互独立 X , Y 不相关 若 X , Y 服从二维正态分布， X , Y 相互独立 X , Y 不相关