医药数理统计基本方法3-2方差、协方差和相关系数.pptVIP

第二节 方差、协方差和相关系数;一、方差;一、方差;例 测量了甲、乙两人近五天的体温，结果如下： 甲 37.2 37.1 37.0 36.9 36.8 乙 38.0 37.5 37.0 36.5 36.0 试分析甲、乙两人体温的状况。;离差(dispersion) 设 X 为一个随机变量，若 E(X) 存在，则称 X?E(X) 为随机变量 X 的离差。;计算方差的常用计算公式： V(X)=E(X2)?[E(X)]2;数理统计 03-02-09;例 设随机变量 X 服从参数为 ? 的指数分布，试求 V(X)。;EXAMPLE A fair 6-sided die is rolled with the discrete random variable X representing the number obtained per roll. Find the variances for X.;标准差(standard deviation) 设随机变量 X 的方差为 V(X)，则称 为随机变量 X 的标准差，记为 SD。;数理统计 03-02-13;方差的性质：;例（一个重要的结论） 若 X1,X2,…,Xn，是 n 个独立同分布的随机变量，且 E(Xi)=a，V(Xi)=b，(i=1,2,…n)，X=(X1+X2+…+Xn)/n。 求 E(X) 和 V(X)。;例 设随机变量 X 的数学期望 E(X) 和方差 V(X) 都存在，且 V(X)0，试求标准化随机变量;协方差(covariance) 设 (X,Y) 为二维随机向量，如果数学期望 E[(X?EX)(Y?EY)] 存在，则称之为随机变量 X 和 Y 的协方差，记作 Cov(X,Y)。; 当 X 与 Y 均为离散型随机变量，且已知 (X,Y) 的联合分布为 P{X=xi ,Y=yj}= pij (i, j=1,2,…) 时，则有; 当 X 与 Y 均为连续型随机变量，且已知 (X,Y) 的联合密度函数为 f(x,y) 时，则有;协方差的性质：;数理统计 03-02-21;协方差矩阵(covariance matrix) 设 (X1,X2,...,Xn) 为 n 维随机向量，如果对任意的 i,j(1?i,j?n)，Cov(Xi,Xj) 都存在，则称矩阵; 若记 ?ij=Cov(Xi,Xj) (1?i,j?n)，则;数理统计 03-02-24;相关系数(correlation coefficient) 设随机变量 X,Y 的方差 V(X)，V(Y) 均存在，且大于零，则称;完全相关 设 (X,Y) 是二维随机变量，如果 |?|=1，则称随机变量 X 与 Y 完全相关。;相关系数的性质：;数理统计 03-02-28;三、几个常见随机变量的方差; 设 X 服从参数为 p 的二点分布，则 V(X)=pq (q=1?p)。; 设 X~B(n,p)，则 V(X)=npq (q=1?p)。; 设 X~P(?)，则 V(X)=?。; 设 X~U[a,b]，则 V(X)=(b?a)2/12。; 设 X~E(?)，则 V(X)=1/?2。; 设 X~N(?,? 2)，则 V(X)=? 2。;矩(moment) 设 X 和 Y 是随机变量，k,l 为正整数。若 E(Xk) 存在，则称它为 X 的 k 阶原点矩(moment a