数学期望的引例2 概率论与数理统计教学课件.pptVIP

概率论与数理统计 主讲：柯大观 电话办） 手机短号：674706 Email: kdg@ 办公地点：温州医学院茶山校区4A417 公共邮箱：kdgpublic@163.com， 公共邮箱密码：09shenggong 随机变量的标准化 若随机变量X的数学期望E(X)和方差D(X)=s2(X)都存在，且s(X)0，则随机变量 称为标准化随机变量。 对于任意标准化随机变量X*， 有 E(X*)=0, D(X*)=1. 原点矩与中心矩 定义1 设随机变量X的k次幂的数学期望存在（k为正整数），则称E(Xk)为X的k阶原点矩，记作uk(X)，即 uk(X)= E(Xk) 一阶原点矩就是数学期望，u1(X)= E(X). 定义2 设随机变量X的函数[X-E(X)]k的数学期望存在（k为正整数），则称E{[X-E(X)]k}为X的k阶中心矩，记作mk(X)，即 mk(X)= E{[X-E(X)]k} 一阶中心矩恒等于0， m1(X)≡ 0; 二阶中心矩就是方差，m2(X)=D(X). 协方差 Covariance 定义 设随机变量X与Y的函数[X-E(X)][Y-E(Y)]的数学期望存在，则称其为X与Y的协方差，记作cov(X,Y)，即 cov(X,Y)=E{[X-E(X)][Y-E(Y)]}. 亦即 cov(X,Y)=E(XY)-E(X)E(Y). 这是因为 cov(X,Y)=E{[X-E(X)][Y-E(Y)]} =E[XY-XE(Y)-YE(X)+E(X)E(Y)] =E(XY)-2E(X)E(Y)+E(X)E(Y) =E(XY)-E(X)E(Y). 协方差 Covariance 定理 若X，Y相互独立，则cov(X,Y)=0. 因为X,Y相互独立时，E(XY)=E(X)E(Y), 所以 cov(X,Y)=E(XY)-E(X)E(Y) =E(X)E(Y)-E(X)E(Y) =0. 若cov(X,Y)=0，则称X和Y不相关。 “X与Y相互独立”和“X与Y不相关”什么关系？ 例 设X和Y在区域D={(X,Y): x2+y2≤1}内服从均匀分布，试证：X与Y不相关，但不是相互独立的。 证： 由已知，X和Y的联合概率密度函数f(x,y)=1/π. X与Y不相关。 协方差的性质 （1）cov(X,Y)=cov(Y,X); （2）cov(X,c)=0; cov(X,X)=D(X); （3）cov(aX,bY)=ab·cov(X,Y) ，a，b为常数 （4）cov(X+Y,Z)=cov(X,Z)+cov(Y,Z); （5） 相关系数 Correlation coefficient 定义 设随机变量X与Y的数学期望与方差都存在，则将X与Y标准化得到的随机变量 的协方差cov(X*,Y*)称为X与Y的相关系数，记作R(X,Y)， 即 R(X,Y)= cov(X*,Y*). 相关系数 Correlation coefficient 因为E(X*)=0, E(Y*)=0, 所以 其实这也是相关系数的另一种定义。 作业 P94 习题三 12, 15, 17,19 C U next time！ * * 数学期望的引例2 Mathematical Expectation 博弈论经典案例——囚徒困境： 两个小偷A和B联合犯事、私入民宅被警察抓住。警方将两人分别置于不同的两个房间内进行审讯，警方给出的政策是：如果一个犯罪嫌疑人坦白了罪行，交出了赃物，于是证据确凿，两人都被判有罪。如果另一个犯罪嫌疑人也作了坦白，则两人各被判刑8年；如果另一个犯罪嫌人没有坦白而是抵赖，则以妨碍公务罪（因已有证据表明其有罪）再加刑2年，而坦白者有功被减刑8年，立即释放。如果两人都抵赖，则警方因证据不足不能判两人的偷窃罪，但可以私入民宅的罪名将两人各判入狱1年。问每个小偷的最佳策略是什么？ 方 差 的 引 入 E( X1 )=5 X2 P 2 3 5 7