概率论与数理统计教程(茆诗松)第3章多维随机变量及其分布.ppt

第三章 多维随机变量及其分布 分布的可加性 二项分布的可加性 正态分布的可加性 独立正态变量的线性组合仍为正态变量 ?2 分布的可加性 3.4.2 数学期望与方差的运算性质 讨论 X+Y 的方差 3.4.3 协方差 协方差的性质 3.4.4 相关系数 相关系数的性质(2) 第三章 多维随机变量及其分布 华东师范大学 * 第*页 §3.1 多维随机变量及其联合分布 §3.2 边际分布与随机变量的独立性 §3.3 多维随机变量函数的分布 §3.4 多维随机变量的特征数 §3.5 条件分布与条件期望 若同一类分布的独立随机变量和的分布仍是此类分布，则称此类分布具有可加性. 若 X ? b(n1, p)，Y ? b(n2, p)， 注意：若 Xi ? b(1, p)，且独立，则 Z = X1 + X2 + …… + Xn ? b(n, p). 且独立， 则 Z = X+ Y ? b(n1+n2, p). 若 X ? N( )，Y ? N( ) ， 注意： X ?Y 不服从 N( ). 且独立， 则 Z = X ? Y ? N( ). X ?Y ? N( ). 独立正态变量的线性组合仍为正态变量. (见下) Xi ~ N(?i, ?i2), i =1, 2, ... n. 且 Xi 间相互独立, 实数 a1, a2, ..., an 不全为零, 则 若 X ? ?2( n1 )，Y ? ?2( n2 ) ， 注意： (1) X ?Y 不服从 ?2 分布. 且独立， 则 Z = X + Y ? ?2( n1+n2). (2) 若 Xi ? N(0, 1)，且独立，则 Z = ? ?2( n ). 1. E(X+Y)=E(X)+E(Y) 2. 当X与Y独立时，E(XY)=E(X) E(Y), (性质3.4.1) (性质3.4.2) 1. Var(X?Y) = Var(X)+ Var (Y) ?2E[X?E(X)][Y?E(Y)] 3. 当X与Y独立时，E[X?E(X)][Y?E(Y)] = 0. 4. 当X与Y独立时， Var(X ?Y) = Var(X)+ Var (Y) . 2. E[X?E(X)][Y?E(Y)] = E(XY) ? E(X)E(Y) 注意：以上命题反之不成立. 定义3.4.1 称 Cov(X, Y) = E[X?E(X)][Y?E(Y)] 为 X 与 Y 的协方差. (4) Cov(X, Y) = Cov(Y, X). (性质3.4.7) (1) Cov(X, Y) = E(XY) ? E(X)E(Y). (性质3.4.4) (2) 若 X 与 Y 独立，则 Cov(X, Y) = 0. (性质3.4.5) (6) Cov(aX, bY) = abCov(X, Y) . (性质3.4.9) (3) Var(X?Y) = Var(X)+ Var (Y) ? 2 Cov(X, Y) (性质3.4.6) (5) Cov(X, a) = 0. (性质3.4.8) (7) Cov(X+Y, Z) = Cov(X, Z) + Cov(Y, Z). (性质3.4.10) 定义3.4.2 称 Corr(X, Y) = 为 X 与 Y 的相关系数. (2) ?1 ? Corr(X, Y) ? 1. (3) Corr(X, Y) = ?1 X 与 Y 几乎处处有线性关系。 (性质3.4.11) ? (性质3.4.12) P(Y=aX+b)=1 * *