《数学期望和方差》课件.ppt

第四章 数学期望和方差 数学期望的定义 (2) 二项分布 (3)泊松分布 (4)几何分布 例1 定义1.2 常见连续型分布的数学期望(5)指数分布E(?) 定理1 推论 例2 §4.2 数学期望的性质 A. 随机向量函数的数学期望 随机向量函数的数学期望（续） 例3 例4 例5 例6 例7 B. 数学期望的性质 反例 例1 例2 例3 例4 §4.2 随机变量的方差 A. 方差的概念 注意： 方差的计算公式 计算方差常用的公式 常见随机变量的方差(1) 参数为p 的 0－1分布 (2)二项分布B(n, p) (3)泊松分布P(λ) (4)区间[a,b]上的均匀分布U[a,b] (5) 指数分布E(λ) (6) 正态分布N(?,? 2) B. 方差的性质 性质3 性质4 性质5 性质6 例1 例2 （标准化随机变量） 例3 例4 例5 一般地， C. 两个不等式定理3.2 (马尔可夫(Markov)不等式) 例6 定理3.3 (内积不等式或Cauchy-Schwarz不等式) §4.4 协方差和相关系数 A. 协方差和相关系数 利用函数的期望或方差计算协方差 例1 例2 协方差和相关系数的性质协方差的性质 相关系数的性质 例：最小二乘法的思想 例3 例4 矩 则: 设X1, X2, …, Xn相互独立，有共同的期望 和方差 ， 证明: 已知随机变量X1,X2,…,Xn相互独立，且每个Xi的期望都是0，方差都是1，令Y= X1+X2+…+Xn .求 E(Y2). 解：由已知，则有 因此， 设随机变量X和Y相互独立，且 X～N(1,2), Y～N(0,1), 试求 Z=2X-Y+3 的期望和方差. 由已知，有E(X)=1, D(X)=2, E(Y)=0, D(Y)=1, 且X和Y独立. 因此， 解: D(Z)= 4D(X)+D(Y) = 8+1=9. E(Z)= 2E(X)－ E(Y)+3 = 2+3=5, 注：由此可知 Z～N（5,9）. 对随机变量X 和任意的? ? 0，有 证明: 设为连续型, 密度函数为f(x), 则 上式常称为切比雪夫（Chebyshev）不等式 在马尔可夫不等式中取α=2, X为X-EX 得 是概率论中的一个基本不等式. 已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a，使股价超过1+a元或低于1-a元的概率小于10%。 解：由切比雪夫不等式 令 设EX2 ∞ ， EY2 ∞则有 证明: 注意到对任意的 t , 有 所以g(t)作为 t 的二次多项式, 其判别式≤0, 即 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 这说明对于二维随机变量， 除了每个随机变量各自的概率特性以外，相互之间可能还有某种联系. 问题是用一个什么样的数去反映这种联系. 数 反映了随机变量X ,Y 之间的某种关系. 定义 称 为X ,Y 的协方差. 记为 可以证明协方差矩阵为半正定矩阵. 为（X , Y ）的协方差矩阵. 称 若Var (X ) 0, Var (Y ) 0 ,称 为X ,Y 的 相关系数，记为 事实上， 若 称 X ,Y 不相关. 无量纲 的量 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 求 Cov (X ,Y ), ?XY 1 0 p q X P 1 0 p q Y P 已知 X ,Y 的联合分布为 X Y pij 1 0 1 0 p 0 0 q 0 p 1 p + q = 1 解: 1 0 p q X Y P . 设 ( X ,Y ) ~ N ( ?1, ?12,?2,?22,?), 求 ?XY 解: 定理：若 ( X ,Y ) ~ N ( ?1, ?12, ?2, ?22, ?), 则X ,Y 相互独立 X ,Y 不相关 因此， 注：性质 4 的逆命题不成立，即 若E (X Y) = E(X)E(Y)，X ,Y 不一定相互独立. X Y pij -1 0 1 -1 0 1 0 p? j pi? X Y P -1 0 1 但 若X ≥0，且EX 存在，则EX ≥0. 推论: 若 X ≤Y，则 EX ≤EY. 证明：设 X 为连续型，密度函数为f (x), 则 由