[理学]第四章 随机变量的数字特征.pptVIP

例1：将一枚密度均匀硬币抛n次，分别以X和Y记作正反面出现的次数，则X和Y的相关系数为（ ） A：0 B：1 C：-1 D：1或-1 例3 设 河南理工大学精品课程 概率论与数理统计 河南理工大学精品课程 概率论与数理统计 设X在区间(a,b)上服从均匀分布,其概率密度为 则X的数学期望为: 故X的方差为: 四、均匀分布 河南理工大学精品课程 概率论与数理统计 五、指数分布 计算过程自学。 前面我们学习了随机变量的数学期望和方差，对于多维随机变量，除了其数学期望和方差外，我们还要研究反映各分量之间关系的数字特征，其中最重要的，就是现在要讨论的 协方差和相关系数 引 言 在讨论这个问题之前，我们先看一个例子。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。 这里有两个变量，一个是父亲的身高，一个是成年儿子身高。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。 儿子的身高 父亲的身高 问：父亲及其成年儿子身高存在怎样的关系呢？ father son 类似的问题有： 1、吸烟和患肺癌有什么关系？ 2、受教育程度和失业有什么关系？ 3、高考入学分数和大学学习成绩有什么关系？ …… ??? 设X和Y是两个随机变量，若 一、协方差 Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} 1.定义 E{[X-E(X)][Y-E(Y)]} 存在，则称E{[X-E(X)][Y-E(Y)]}为随机变量X与Y的协方差(covariance)，记作 显然，两个随机变量的协方差本质上就是这两个随机变量的一个特殊函数的数学期望。 Cov(X,Y)=E(XY)-E(X)E(Y) 可见，若X与Y独立，则 2. 计算协方差的一个简单公式 由协方差的定义及数学期望的性质，可得 Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 Cov(X,Y)= 0 . Cov(X,Y)=E(XY)-E(X)E(Y) (5) Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) (3) Cov(X,Y)=Cov(Y,X) (对称性) 3.简单性质 (4) Cov(aX,bY)=abCov(X,Y) 其中 a、b是常数 下面请大家利用上面所学的知识进行证明。 (1) Cov(X,X)=D(X) (2) Cov(X,c)=0 (c为常数) 若X1,X2, …, Xn两两独立，上式化为: D(X+Y)= D(X)+D(Y)+2Cov(X,Y) 4. 随机变量和的方差与协方差的关系 （常用上式计算随机变量和的方差） 推广 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： Cov(kX, kY)=k2Cov(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 . 二、相关系数 为随机变量X和Y的相关系数 (correlation coefficient). 1.定义:若D(X)0, D(Y)0,且Cov(X,Y)存在时，称 在不致引起混淆时，记 为 . 2.相关系数的性质： 证: 由方差的性质和协方差的定义知，对任意实数b，有 0≤D(Y-bX)= D(Y)＋b2D(X) -2bCov(X,Y) 令 ，则上式为 D(Y-bX)= 使 P{Y=a+bX}=1， 即X和Y以概率1线性相关.下面先以图示之： 的充分必要条件是存在常数a,b(b≠0） x y 0 例如：匀速行驶的汽车行驶的时间X与路程Y之间就是完全正相关的。 此时称X与Y 完全正相关 此时b0 x y 0 例如：你每天用在学习上的时间X与用在玩上的时间Y之间就是完全负相关的。 此时称X与Y 完全负相关 此时b0 x y 0 例如：某同学的身高X与他的学习成绩Y之间就是不相关的。 此时称X与Y 不相关 x y 0 例如：你每天用在学习上的时间X与你的学习成绩Y之间就是正相关的。 此