第四章2 方差.ppt

第二节 方 差 一、协方差和相关系数的定义 二、协方差的性质 三、相关系数的性质 第四节 矩和协方差矩阵 ⒈ Pf: ⒉ （协方差的计算公式） Pf: ⒊ Pf: 若X ,Y 相互独立，则 ⒋ ⒌ 为常数 ⒍ 例1 已知二维随机变量 的联合分布律为 求： ， 0.30 0.12 0.18 0.10 0.18 0.12 －1 1 -2 0 1 Y X 解　 边缘分布律为 的协方差为: 0.30 0.12 0.18 0.10 0.18 0.12 －1 1 -2 0 1 Y X 下面求 的方差: 的相关系数为: 例2 已知二维随机变量 的概率密度为 的相关系数 与 试求 解 故 与 的协方差为 又 所以 的方差为 同理， 的方差为 从而得 例3 设随机变量 相互独立，且 解 1) 2) 的充要条件是 与 以概率1呈线 性关系。即 其中 为常数 定理1 设随机变量 和 的相关系数存在，则 * 二、方差的性质 一 、方差的定义 三、几种重要分布的方差 引例 甲、乙两射手各打了6 发子弹,每发 子弹击中的环数分别为： 甲 10, 7, 9, 8, 10, 6, 乙 8, 7, 10, 9, 8, 8, 问哪一个射手的技术较好？ 解 首先比较平均环数 甲 = 8.3, 乙 = 8.3 §4.2 方差 有五个不同数 有 四 个 不 同 数 §4.2 方差 再比较稳定程度 甲： 乙： 乙比甲技术稳定，故乙技术较好. 进一步比较平均偏离平均值的程度 甲 乙 E [X - E(X)]2 若E [X - E(X)]2 存在, 则称其为随机 称 为 X 的均方差或标准差. 一.方差的定义 定义 即 D (X ) = E [X - E(X)]2 变量 X 的方差, 记为D (X ) 或 Var (X ) 两者量纲相同 概念 D(X ) —— 描述 r.v. X 的取值偏离平均值 的平均偏离程度 —— 数 若 X 为离散型 r.v.，分布律为 若 X 为连续型r.v. ，概率密度为 f (x) 计算方差的常用公式： 证明： 1. 设C是常数,则D(C) =0 ; 2. 若C是常数,则 D(CX )=C 2D(X ); 3. 若X与Y 独立，则 二、方差的性质 证 证 若X与Y 独立，且a ,b 是常数，则 推广 若X1,X2,…,Xn 相互独立,则 4. 其中 1．（0-1）分布 参数为p 0 1 三．常见分布的方差 2. 设X ~ b( n , p)，求D(X ). 解一 仿照上例求D (X ). 解二 引入随机变量 相互独立， 故 例2 3．泊松分布 分布律为 参数为 密度函数 4．均匀分布 参数为 密度函数 ⒌ 指数分布 参数为 ⒍正态分布 参数为 密度函数 注：服从正态分布的随机变量完全由它的数学 期望和方差所决定。 特别，当 时 常见随机变量的方差 分布 方差 概率分布 参数为p 的 0-1分布 p(1-p) B(n,p) np(1-p) P(?) ? 方差表 分布 方差 概率密度 区间(a,b)上 的均匀分布 E(?) N(?,? 2) 例1 设 X , Y 是两个相互独立的且服从正态分布的 随机变量 , 且 ，则求随机 变量 服从什么分布？ 解 Z 为正态随机变量的线性组合，所以仍然服从正 态分布，且其参数为 故 仅知 r.v.的期望与方差 并不能确定其分布 P -1 0 1 0.1 0.8 0.1 P -2 0 2 0.025 0.95 0.025 与 有相同的 期望方差 但是分布 却不相同 例如 例2 设 X , Y 是两个相互独立的且均服从正态分布 的随机变量 , 则求随机变量 的数学 期望 解 记 则 故 例3 设 X 的可能取值为 且 ，求 X 的分布律。 解 设 X 的分布律为 所以 例4 已知 X 的 d.f.为 其中 A ,B 是常数，且 E (X ) = 0.5. 求 A ,B. 设 Y = X 2, 求 E (Y ),D (Y ) 例8 解 (1) (2) 标准化随机变量 设随机变量 X 的期望E(X )、方差D(X ) 都存在, 且D(X ) ? 0, 则称 为 X 的标准化随机变量. 显然， 第三节 协方差和相关系数