[数学]随机变量的数值特征.pptVIP

备 用 例 题 * * * * * * * * * * * * * * * * * * * * * * * 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 . 定义: 设D(X)0, D(Y)0, 称 在不致引起混淆时，记 为 . 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)= b2D(X)+D(Y)-2b Cov(X,Y ) 令 ，则上式为 D(Y- bX)= 由于方差D(Y)是正的,故必有 1 - ≥ 0,所以 | |≤1。 存在常数 a,b(b≠0）， 使 P{Y= a + b X}=1， 即 X 和 Y 以概率 1 线性相关. 3. X和Y独立时， =0，但其逆不真. 由于当X和Y独立时，Cov(X,Y)= 0. 故 = 0 但由 并不一定能推出X和Y 独立. 例1 P108 但不独立！ 4. 若 ，称X和Y不相关。 定理：若随机变量X与Y的方差都存在，且均不 为零；则下列四个命题等价。 （1） ； （2）cov(X ,Y) = 0； （3）E(XY)=EXEY； （4）D(X ±Y)=DX+DY。 但可以证明对下述情形，独立与不相关等价 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 前面，我们已经看到： 若 X 与 Y 独立，则X与Y不相关， 但由X与Y不相关，不一定能推出X与Y独立. 设(X,Y)服从二维正态分布, 它的概率密度为 则可以证明X,Y的相关系数rXY正好就是r, 即 rXY=r, 而且服从二维正态分布的随机变量X,Y相互独立的充分必要条件是此相关系数为0. 三、例题讲解(Ex32,33) 1、 1、解 1、解 1、解 2、 解 一、 原点矩 中心矩 定义 设X和Y是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩. 存在，称它为X的k阶中心矩. 可见，均值 E(X)是X一阶原点矩，方差D(X) 是X的二阶中心矩。 协方差Cov(X,Y)是X和Y的二阶混合中心矩. 称它为 X 和 Y 的 k+L 阶混合（原点）矩. 若 存在， 称它为X 和 Y 的 k+L 阶混合中心矩. 设 X 和 Y 是随机变量，若 k,L=1,2,… 存在， 可见， 二、协方差矩阵 将二维随机变量（X1,X2）的四个二阶中心矩 排成矩阵的形式: 称此矩阵为（X1,X2）的协方差矩阵. 这是一个非 负定对称矩阵 类似定义n 维随机变量(X1,X2, …,Xn) 的协方差矩阵. 为(X1,X2, …,Xn) 的协方差矩阵。 都存在, ( i, j=1,2,…,n ) 若 矩阵 称 三、n 元正态分布的概率密度 f (x1,x2, …,xn) 则称 X 服从 n 元正态分布. 其中C是(X1,X2, …,Xn) 的协方差矩阵. |C|是它的行列式， 表示C的逆矩阵， X 和 是 n 维列向量， 表示X 的转置. 设 =(X1,X2, …,Xn)是一个n维随机向量, 若它的概率密度为 n元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， 由此得到，n维正态变量(X1,X2, …,Xn)的每 一个分量Xi都是正态随机变量；反之，若每个分 量Xi都是正态随机变量，且它们相互独立，则 (X1,X2, …,Xn)是n维正态变量。 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. 2. 正态变量的线性变换不变性. 3. 设(X1,X2, …,Xn)服从n元正态分布，则 “X1,X2, …,Xn相互独立” 等价于 “X1,X2, …,Xn两两不相关” 例 设随机变量X和Y相互独立且X~N(1,2), Y~N(0,1). 试求Z=2X-Y+3的概率密度. 故X 和Y 的联合分布为正态分布，X 和Y 的任意线性组合是正态分布. 解: X~N(1,2),Y~N(0,1)，且 X 与Y 独立