概率论与数理统计ppt课件完整版).ppt

定义: 若随机变量X与Y的相关系数?XY=0,则称X与Y 不相关. 对于随机变量X和Y, 下列事实等价: (1) Cov(X, Y)=0; X与Y不相关; E(XY)=E(X)E(Y); D(X+Y)=DX+DY. 相关系数?XY刻划了X, Y之间的线性相关关系, 当?XY=0时, X,Y不相关指它们之间没有线性相关关系, 而不是说它们之间没有任何关系. 说明 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. 结论 §5. 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为二阶中心混合矩. (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阶中心混合矩. 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), ?ij= ?ji可得) 20 ?ii=D(Xi), i=1, 2, 3, …, n. 30 ?ij2≤ ?ii ?jj, 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, …, Xn)服从n维正态分布的的充要条件是X1, X2, …, Xn的任一线性组合l1X1+l2X2+ …+ln Xn服从一维正态分布. 30若(X1, X2, …, Xn)服从n维正态分布, 设Y1,Y2, …, Yn是Xj(j=1, 2, …, n)的线性函数, 则(Y1, Y2, …Yn)也服从多维正态分布. 40 若(X1, X2, …, Xn)服从n维正态分布, 则“X1, X2, …, Xn”相互独立与“X1, X2, …, Xn”两两不相关是等价的. 10 n维r.v. (X1, X2, …, Xn)的每一个分量Xi,i=1,2,…,n都是正态分布；反之，若X1, X2, …, Xn的都是正态分量,且相互独立，则(X1, X2 , …, Xn)服从n维正态分布. 第四章 习题课 一. 主要内容: 1. 随机变量 的数学期望；函数的数学期望；性质. 2. 方差定义; 性质; 3. 几类常见分布的数学期望，方差. 5. 相关系数的定义; 性质. 4. 协方差定义; 性质. 6. 几类矩的定义. 二. 课堂练习: 1. 一台设备由三大部件构成, 在设备运转中各部件需要调整的概率分别为0.1, 0.2和0.3, 假设各部件的状态相互独立, 以X表示同时需要调整的部件数, 试求X的数学期望和方差. 第五章 大数定律及中心极限定理 §1. 大数定律 一. 问题的提出: 提法一: 当n足够大时, 频率 与概率p有较大偏差的概率很小. 用数学语言来讲, 就是要证明:对于任意?>0, 提法二: 强大数定律, 即证明： 1. 切比雪夫大数定律的特殊情况 设r.v.X1, X2, …, Xn, … 相互独立, 且具有相同的数学期 望和方差: 2. 贝努利定理: 设nA是n次独立重复试验中A发生的次数, p是事件A在 每次试验中发生的概率, 则 性质: 3. 切比雪夫大数定律: 设X1, X2, …, Xn, …, 是由两两互不相关的 r.v. 所构 成的序列, 每一个r.v. 都有有限的方差, 并且它们有公共 的上界. 4. 辛钦定理: 设 r.v. X1, X2, …, Xn, …相互独立, 服从同一分布, 且具有 数学期望 §2. 中心极限定理 一. 问题提出: 对于独立随机变量序列?1, ?2, …, ?n, …,假定E?i, D?i存在, 令 1. 独立同分布的中心极限定理: 设 r.v. Xk(k=1, 2, … )相互独立, 服从同一分布(i.i.d.) 且具有有限的数学期望和方差: 2. 李雅普诺夫定理: 例1. 设(X, Y)的分布律为: X 5 7 13 18 20 1