第四章概率统计.pptVIP

说明： ，X 与Y 的线性关系越显著； ，X 与Y 的线性关系越不显著； 2） 3） 4） 定义、相关系数 则称 与 不相关; 相关系数 之间线性关系的一种度量. 是X与Y 下列命题等价： 1） 独立 不相关 注： 例： X ~ N(0,1), 证明X与Y不相关。 证： = 0 X与Y不相关。 但是，显然，X与Y 不是相互独立的。 不相关： X 与Y 之间没有线性关系，并不表示它们之 间没有其他关系。 独立： X 与Y 之间没有任何关系。 例1 设随机变量 的概率密度为 问 X 和 Y 是否相互独立，是否不相关？ 解 ⑴ 先求关于X 和Y 的边缘概率密度 因为 所以X 和 Y 不相互独立。 ⑵ 求X 和Y 的相关系数 所以 故X 和 Y 不相关。 = 0. 若(X,Y )服从二维正态分布，则 X与Y独立 X与Y不相关 特例 113页 定理2 n维 推广（n维正态分布的几条重要性质） 1. X=(X1,X2, …,Xn)服从n元正态分布 a1X1+ a2 X2+ …+ an Xn均服从正态分布。 对一切不全为0的实数a1,a2,…,an， 2. 若 X=(X1,X2, …,Xn)服从n元正态分布， Y1,Y2, …，Yk是 Xj（j=1,2,…,n）的线性函数， 则(Y1,Y2, …，Yk)也服从多元正态分布。 3. 设 (X1,X2, …,Xn) 服从n元正态分布，则 “X1,X2, …,Xn相互独立” “X1,X2, …,Xn两两不相关” 例2 设随机变量 相互独立，且 解 例3 将一枚硬币重复掷 n 次，以 分别表示 正面向上和反面向上的次数，求 的相关系数。 解: 满足 故 Cov(X,Z)=2, D(X)=4, D(Z)=2 例4 已知二维随机变量 的联合分布律为 求： ， 0.30 0.12 0.18 0.10 0.18 0.12 －1 1 -2 0 1 Y X 解　 边缘分布律为 的协方差为: 0.30 0.12 0.18 0.10 0.18 0.12 －1 1 -2 0 1 Y X 下面求 的方差: 的相关系数为: 矩和协方差矩阵 第四章 第四节 矩和协方差的定义 若 存在，称它为 的 阶原点矩，简称 阶矩。 若 存在，称它为 的 阶中心矩。 阶混合矩。 若 存在，称它为 和 的 若 存在， 和 的 称它为 阶混合中心矩。 和 是随机变量， 设 矩： 协方差阵： 二维随机变量( X,Y ) 记 为随机变量( X,Y )的协方差阵。 n维随机变量 说明： 所以C是一个对称矩阵。 2、对角线上元素就是 * 介绍数学期望的起源：两人游戏约定谁先赢满5局，获得全部赌金。现在甲赢了4局，乙赢了3局，这个时候钱应该怎么分配？ 期望是一个平均值，就是对将来不确定的钱今天应该怎么分配。 * 直接求分布很麻烦，所以利用定理，只需要知道X的分布就可以了。 * 用图形表示y和t的关系 * 或者计算X的期望的时候，先求出f(x)，再利用一维的公式。 * 例1：如果直接求x的分布律，很麻烦。所以利用性质，将x分解。 * * 板书推导过程。 * 板书推导正态分布期望的过程。 * 期望体现了随机变量取值的平均水平，但是如果两个随机变量均值相同呢？ 比较变量和均值的偏离程度，E(|X-EX|) * 这里的存在指的满足绝对收敛的条件。 * 先求E[X(X-1)]. * 强调正态分布的重要结论。 * 协方差的由来 * 相关系数成立的前提：在两个随机变量间讨论，即方差必须都大于零 板书证明两条定理 * N维正态分布的矩阵表示自学。 (3) 正态分布 已知 例12 求 服从参数为 3 的指数分布， X , Y相互独立， 解 由随机变量的性质可知 例如: 甲、乙两门炮同时向一目标射击10发炮弹， 哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 中心 中心 其落点距目标的位置如图， 又如: 甲、乙两个合唱队都由5名成员组成，身高如下： 甲：1.60、1.62、1.59、1.60、1.59 乙：1.80、1.60、1.50、1.50、1.60 哪个合唱队演出效果好？ 用什么衡量X 与E ( X )的偏离程度呢? 1、 合理,但是存在正负相消，不可行; 2、 带绝对值的运算，不利于分析; 3、 在实际问题中常常关心随机变量与均值的偏离程度， 方 差 第四章 第二节 二、方差的性质 一 、方差的定义 三、几种重要分布的方差