随机变量X和Y的协方差的解释.PPTVIP

一、协方差和相关系数 1. 随机变量X和Y之间的关系： (1) 随机变量X和Y独立： §7.3 协方差和相关系数 (2) 随机变量X和Y的相关关系： 刻画了随机变量X和Y之间的相关关系 2. 随机变量X和Y的协方差的定义： 3. 随机变量X和Y的协方差的解释： (1) cov(X, Y) 0： 平均来说，当变量X相对于E(X)变大时， 变量Y也有相对于E(Y)随之变大的趋势； 同样地，如果变量X相对于E(X)变小时， 变量Y也有相对于E(Y)随之变小的趋势. (2) cov(X, Y) 0： 平均来说，变量X与变量Y的变化趋势恰好相反. (3) cov(X, Y) 的简化计算方法： 例：设(X, Y)的联合分布律为 求cov(X, Y). 4. 协方差的性质 (1) a, b, c, d为常数 注： 当变量X与变量Y的使用不同的量纲时，其意义 不明确，故令： 无量纲的纯量 (2) (3) 则： 协方差 X和Y的相关系数 记为 5. 相关系数： (1) 定义： (2) 性质： ，称为X与Y不相关 ，称为X与Y完全相关 (i) (ii) (iii) * 第七章 随机变量的数字特征 第一节 数学期望 第二节 方差和标准差 第三节 协方差和相关系数 第四节 切比雪夫不等式及大数律 第五节 中心极限定理 §7.1 数学期望 一、数学期望E(X) Mathematical Expectation 设离散型随机变量的概率分布律为 1. 离散型随机变量的数学期望 则随机变量X的数学期望为： 定义： 即 概率 X P 4 1/4 5 1/2 6 1/4 例：已知随机变量X的分布律： 求数学期望E(X) 解： 2. 连续型随机变量的数学期望E(X) 定义： 设连续型随机变量X的概率密度为 f (x)，则随机变量X的数学期望为： 例：已知X的密度函数为 求数学期望. 解： 3. 数学期望的意义 试验次数较大时，X的观测值的算术平 均值在E(X)附近摆动 数学期望又可以称为期望值(Expected Value)，均值(Mean) 数学期望E(X)反映了随机变量X取值的 “概率平均”，是X的可能值以其相应概 率的加权平均. 算术平均值 数学期望 试验次数较大 4. 二维随机变量的数学期望及边缘分布的数学期望 (1) (X, Y)为二维离散型随机变量 (2) (X, Y)为二维连续型随机变量 例：设(X, Y)的联合密度为 (1) 求k (2) 求X和Y的边缘密度 (3) 求E(X), E(Y). (1) 解： 所以 得： 规范性 所以 时 (2) 时 所以 另解 无需求边缘分布密度函数 (3) 二、随机变量的函数的数学期望 定理1： 设Y = g(X)是随机变量X的函数， 离散型 连续型 概率密度为 一维情形 例：已知X服从[0, 2π]上的均匀分布，求 Y = sin X的数学期望. 因为 所以 解： 定理2： 联合概率密度为 设Z = g(X, Y)是随机变量 X, Y的函数， 连续型 离散型 二维情形 例：设相互独立的随机变量X, Y的密度函数分别 为： 求E(XY). 解： 三、数学期望的性质 4. 当随机变量X, Y相互独立时， 1. 2. 3. 例：设(X, Y)在由4个点(0, 0), (3, 0), (3, 2), (0, 2) 决定的矩形域内服从均匀分布，求E(X+Y), E(X2), E(Y2), E(XY). 答案： 1. 0-1分布的数学期望 X服从0-1分布，其概率为: 若X服从参数为p的0-1分布， 则E(X) = p. 0-1分布的数学期望： 四、典型分布的数学期望 2. 二项分布的数学期望 X服从二项分布，其概率分布为： 二项分布的数学期望： 若X～B(n, p)， 则E(X) = np. 概率 3. 泊松分布的数学期望 X服从泊松分布，其概率分布为： 泊松分布的数学期望： 若X～P(λ)， 则E(X) = λ. 4. 均匀分布的期望 均匀分布的数学期望： X服从泊松分布，其分布密度为： 若X~ N (μ, σ2)，则E(X) = μ. 5. 正态分布的数学期望 正态分布的数学期望： X服从正态分布，其概率分布密度为： 6. 指数分布的数学期望 指数分布的数学期望： X服从指数分布，其概率分布密度为： 1. 引例 E(X1) = 5 E(X2) = 5 设有两种球形产品，其直径的取值规律如下： 两种产品的直径