概率论-9【第七章第二节方差和标准差协方差和相关系数】.pptVIP

7.2 方差一. 定义与性质 二.几个重要r.v.的方差 【思考1】请给出一个离散型随机变量X和一个连续型随机变量Y，使它们的期望都是2，方差都是1。 【矩】 定义1.设X为随机变量，c为任意常数，k为正整数,称量E[(X-c)k]为X关于c点的k阶矩。 比较重要的有两种情况： (1) c=0, 这时，ak=E(Xk)称为X的k阶原点矩； (2) c=E(X), 这时，bk=E[X-E(X)]k称为X的k阶中心矩。 【第三节 协方差和相关系数】 【第三节 协方差和相关系数】一.协方差定义与性质 【相关系数】 (2) E(Z)= 3[D(X)+[E(X)]2]-2E(XY)+[D(Y)+[E(Y)]2]-3  =24-2[Cov(X,Y)+ E(X)E(Y)]+25-3 =24-2[ρXY + E(X)E(Y)]+25-3=68. 二维正态随机变量的分布完全可由X，Y个别的数学期望、方差以及它们的相关系数所确定。 若(X，Y)服从二维正态分布，那么X和Y相互独立的充要条件为ρ=0，而ρ=ρXY，故知对于二维正态随机变量(X，Y)来说， X与Y不相关与X和Y相互独立是等价的。 【小结】 【结论1】：X与Y相互独立 ? ρXY=0 ? X与Y不相关； 反之，ρXY=0 不能推出X与Y相互独立。 【结论2】：对任意X与Y，以下结论等价ρXY=0 ? Cov(X，Y)=0 ? E(XY)=E(X)E(Y) ? D(X+Y)=D(X)+D(Y)。 【结论3】：若(X，Y)～N(μ1, μ2 ,σ12, σ22,ρ)，则X与Y相互独立 ? ρXY=0 ? X与Y不相关。 (2)推广 对于n维随机向量(X1,X2,…,Xn),把向量(X1,X2,…,Xn)用列向量形式表示并记为X，即X=(X1,X2,…,Xn)?。 定义 设X=(X1,X2,…,Xn)? 为n维随机向量,并记μi=E(Xi)， 【矩、协方差矩阵的性质】 协方差矩阵具有以下性质： (1)协方差矩阵对角线上的元素Cii为Xi的方差即Cii=D(Xi) i=1，2，…，n； (2)协方差矩阵C为对称矩阵,即Cij=Cji ,i，j=1，2，…，n； (3)C为非负定矩阵,即对于任意实向量t=(t1，t2，…，tn)?,有t?Ct≥0； 解: (1)(X，Y)的概率密度为 关于X的边缘密度为 容易看到，(1/2,1/2)是fX(x), fY(y), f(x,y)的 连续点，但 所以 D(X)=1/4. 同样方法可得 E(Y)=0,D(Y)=1/4. 于是 【关于正态分布】 【例】 设X～N（0，1），Y～N(0，1 ),若X与Y相互独立，求E(|X-Y|)。 解: 令Z=X-Y，问题化为求E(|Z|)，为求E(|Z|),我们先求出Z的分布密度. 由于(X，Y)服从二维正态分布，由性质知Z服从一维正态分布，而E(Z)=E(X-Y)=E(X)-E(Y)=0，D(Z)=D(X-Y)=D(X)+D(Y)=2，故Z～N（0，2），即Z的分布密度为 小结 方差与标准差 协方差与相关系数 【作业】：8，9，11，14【p94-95】 若X，Y为连续型随机变量 【例1】若X、Y的E(X)=-2,E(Y)=4, D(X)=4, D(Y)=9,分别在(1) X、Y相互独立，(2) ρXY=0.5的条件下，求 E(Z)=E(3X2-2XY+Y2-3). 解：(1)因为X、Y相互独立，所以E(XY)= E(X) E(Y)； E(Z)=E(3X2-2XY+Y2-3)= 3 E(X2)-2E(X)E(Y)+ E(Y2)-3 =3[D(X)+[E(X)]2]-2E(X)E(Y)+[D(Y)+[E(Y)]2]-3=62； 【例2】 设?=aX+b,?=cY+d,(a,c同号),证明：ρ??=ρXY。 证： 所以 ρXY=ρ。 【n维随机变量的协方差矩阵】 (1)．二维随机向量的协方差矩阵 二维随机变量(X1,X2)有四个二阶中心矩(设他们存在)，分别记为 写为矩阵的形式： 称为随机变量(X1,X2)的协方差矩阵。 则称μ=(μ1,μ2,…,μn)?为向量X的数字期望或均值，称矩阵 为向量X的协方差矩阵。 证：性质(1)，(2)显然，只证(3) 同理，关于Y的边缘密度为 所以X与Y不相互独立。 Cov(X，Y)=E(XY)-E(X)E(Y)=0 所以