概率论与数理统计 第14课.ppt

复习 两个重要的数字特征 随机变量的期望与方差是刻划随机变量取值的集中位置和取值与其中心偏离程度的两个数字特征 . 类似的问题很多: §4.3 协方差和相关系数 例2 3. 简单性质 二、相关系数 例3 2. 相关系数的性质 定义 当 ?XY = 0 时, 称 X 与Y 是不相关的或无关的. 例5 设 (X,Y)的概率密度为 相关系数度量的是两变量间的线性相互关系 相关系数 ?是刻划 X 与Y “线性相关”的程度的一个重要的数字特征 小结 标准化随机变量 协方差 相关系数 若(X,Y)服从二维正态分布, ? 就是 X 与 Y 的相关系数 三、 矩和协方差矩阵 2、协方差矩阵的定义 作业 * * * * * * ——随机变量取值的平均水平 期望 方差 · 保线性运算 · 独立性 · 保序性 · 绝对值性质 · 柯西—许瓦兹不等式 [E(XY )]2 ? EX 2 EY 2 七条性质: ——度量随机变量取值在其中心附近的离散程度 DX = EX 2 -(EX )2 切比雪夫不等式 · D(CX )=C 2 DX · X 与Y 独立,则D(X+Y )= DX+DY · DX ≥0; 且 DX = 0 ? P(X=C)=1 D(X ±Y )= DX + DY ± 2 E [(X- EX )(Y- EY )] 四条性质： 很多时候,两个随机变量之间相关联的程度对于问题的解决也很重要. 这就是本章的又一个问题 —— 协方差与相关系数 对任意的随机变量 X ,若EX ,DX 均存在,且 DX 0 , 则称 为 X 的标准化随机变量. 由上节例11的计算可知 无量纲 便于比较 线性关联 前面我们介绍了随机变量的期望和方差. 对多维随机变量,反映分量之间关系的数字特征中, 最重要的就是 协方差和相关系数. 在研究子女与父母的相象程度时,有一项是关于父亲的身高和其成年儿子身高的关系. 为了研究二者关系, 英国统计学家皮尔逊收集了1078 个父亲及其成年儿子身高的数据, 画出了一张散点图. 这里有两个变量,一个是父亲的身高,另一个是成年儿子身高. 问题: 父亲及其成年儿子 身高有什么关系？ 为了研究诸如此类的两变量的相互关系 问题，我们需要从理论上对两变量的相互关系加以研究. 受教育程度和失业有什么关系？ 吸烟和肺癌有什么关系？ 高考入学分数和大学学习成绩有什么关系？ X 与Y 独立 ? E[(X- EX )(Y- EY )] = 0 E[(X- EX )(Y- EY )] ? 0 ? X 与Y 不独立 独立是两个变量之间的一种重要关系: 即 cov(X,Y) = E [(X-EX)(Y-EY)]. 1. 定义 设二维随机变量(X,Y), 一、协方差 记为 cov(X,Y). 若 E[(X-EX)(Y-EY)] 存在, 则称 E[(X- EX)(Y- EY)] 为 X,Y 的协方差, 离散型—— 连续型—— 二维随机变量函数 (X-EX)(Y-EY)的期望 2. 计算协方差的一个简便公式 由协方差的定义及期望的性质，可得 cov(X,Y)= E[(X-EX)(Y-EY)] = E( XY – XEY – YEX + EXEY ) XY – EXEY – EYEX + EXEY = E(XY) – EXEY , 即 cov(X,Y)=E(XY)-EXEY 独立 ? 协方差= 0 解 例1 已知（X,Y）的联合分布律, 0.1 0.2 0 1 0.3 0 0.1 0 0 0.1 0.2 -1 2 1 0 X Y 求E(X), E(Y),Cov(X,Y) 0.4 0.3 0.3 Pi· 2 1 0 X 0.3 0.4 0.3 P·j 1 0 -1 Y 试求： E(X), E(Y) , Cov(X,Y). 解 = E{ [ ] [Y-EY]