概率论课件第四 随机变量的数字特征.pptVIP

* * * * * * * * 10yue31ri * * * * * * * * * * * * * * * * * * 11月1日 * * 10yue21ri * * * * 10yue28 * * * * 10月18日 * * * * * * * * * * * 10yue24ri * * * 11yue2 * * * * * * * * * * * * * * * * * * 二、方差的性质: 10 设C是常数, 则D(C)=0; 20 设X是r.v., C是常数, 则有 D(CX)=C2D(X); 30 设X, Y是两个相互独立的随机变量, 则有 D(X?Y)=D(X)+D(Y); * * * * 40 D(X)=0的充要条件是X以概率1取常数C, 即 P{X=C}=1. * * 例1 设X~b(n,p),分解X,求其方差D(X). 易知X1,X2,…,Xn独立同服从(0--1)分布，因此 * * 所以结论成立. * * * * 三. 切比雪夫(Chebyshev)不等式: * * 这个估计的精度不高，但具有普遍适用性。 * * §3. 协方差和相关系数 展开可得计算公式: Cov(X, Y)=E(XY)-E(X)E(Y). 由方差性质证明知,对于任意的两个r.v.X和Y, 有 D(X?Y)=D(X)+D(Y) ?2Cov(X,Y). * * 协方差的性质: 10 Cov(X, Y)=Cov(Y, X); 20 Cov(a1X+b1, a2Y+b2)=a1a2Cov(X,Y), 其 中a1, a2, b1,b2是常数; 30 Cov(X1+X2, Y)=Cov(X1,Y)+Cov(X2, Y); 60 |Cov(X, Y)|2≤D(X)·D(Y); “ =”成立当且仅当 X与Y之间有严格的线性关系。(Y=aX+b) 50 若X, Y相互独立, 则Cov(X, Y)=0. 40 Cov(X,a)=0,Cov(X,X)=D(X),a为常数; * * 此不等式对应的方程无实根或有二重根,故有 * * 显然，相关系数是标准化了的协方差。 * * 注意：相关系数?XY刻划了X, Y之间的线性相关关系, 当?XY=0时, 称X,Y不相关是指它们之间没有线性 相关关系. ?XY=1或-1时，X与Y有严格线性关系。 * * * * 例1.设(X, Y)服从二维正态分布,求X和Y的相关系数. * * 由第三章我们曾证明过的一个命题, 设(X, Y)服从二维正态分布, 则X, Y 相互独立的充要条件是?=0. 知X与 Y不相关与X和Y相互独立是等价的. * * 公式：Cov(aX+bY,cX+dY) =acD(X)+(ad+bc)Cov(X,Y)+bdD(Y) 例2 X~N(2003,1),Y~N(2004,1),且X与Y独立， 求3X-Y与X+Y的相关系数。 解：由于X，Y独立，则 Cov(3X-Y,X+Y) D(3X-Y)=9D(X)+D(Y)=10 D(X+Y)=D(X)+D(Y)=2 =3D(X)+2Cov(X,Y)-D(Y)=3-1=2 * * §4. 矩、协方差矩阵 一. 定义: 设X和Y是随机变量, 显然, E(X),E(Y)为一阶原点矩, D(X),D(Y)为二阶中心矩, ?XY为二阶混合中心矩. (1) 若E(Xk), k=1, 2, …存在, 则称它为X的k阶原点矩. (2) 若E{[X-E(X)]k}, k=1, 2, …存在,则称它为X的k阶中心矩. (3) 若E(Xk?Yl), k, l=1, 2, …存在, 则称它为X和Y的k+l阶混合矩. (4) 若E{[X-E(X)]k?[Y-E(Y)]l}, k, l=1, 2,…存在, 则称它为X和Y的k+l阶混合中心矩. * * 二维随机变量(X1,X2) 有四个二阶中心矩，分别记为 将它们排成矩阵形式 称这个矩阵为(X1,X2)的协方差矩阵。 二、定义 * * * * 三. 协方差阵的性质: 10 C是对称的; (由协方差的性质Cov(X,Y) =Cov(Y,X), cij= cji可得) 20 cii=D(Xi), i=1, 2, 3, …, n. 30 cij2 ≤ cii cjj, i,j=1, 2, …, n.(由许瓦尔兹不等 式可得) 40 C是非负定的, 即对任意的n维向量 a=(a1, a2, …, an)T, 都有aTCa≥0. |E(XY)|2≤E(X2)E(Y2).(许瓦尔兹不等式) * * 四. n维正态变量: * * 2. 性质: 20 n维r.v. (X1, X2, …, X