概率论第四章.pptVIP

对于协方差，具有以下几条性质： * X , Y 不相关 X ,Y 相互独立 X , Y 不相关 若 ( X , Y ) 服从二维正态分布， X , Y 相互独立 X , Y 不相关 * 求 cov (X ,Y ), ?XY 1 0 p q X P 1 0 p q Y P 例 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 * * 1.设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数 D 1 x=y 解 * * 由数学期望性质 X ,Y 独立 * 4.2 方差一. 定义与性质 * 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. 方差概念 定义 即 D (X ) = E [X - E(X)]2 变量 X 的方差, 记为D (X ) D(X ) —— 描述 r.v. X 的取值偏离平均值 的平均偏离程度 * 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) * 因为 DX= E(X-EX)2 =E[X2-2X(EX)+(EX)2] =EX2-E[2X(EX)]+E(EX)2 =EX2-2(EX)(EX)+(EX)2 =EX2-(EX)2 (注:EX是常数) 计算方差的常用公式： * 方差的计算步骤 Step 1: 计算期望 E(X) Step 2: 计算 E(X2) Step 3: 计算 D(X) 离散型 连续型 离散型 连续型 * D (C) = 0 D (aX ) = a2D(X) D(aX+b ) = a2D(X) 特别地，若X ,Y 相互独立，则 方差的性质 * 性质 1 的证明： 性质 2 的证明： * 性质 3 的证明： 当 X ,Y 相互独立时， 注意到， * 0-1分布的方差 X P 0 1 1-p p 分布律 方差 其中 常见分布的方差 * 二项分布的方差 分布律 方差 X ~ B ( n, p ) 推导？ * 方法二 引入随机变量 相互独立， 故 * 泊松分布的方差 分布律 方差 推导？ * * 均匀分布的方差 分布密度 方差 * 正态分布的方差 分布密度 方差 * 指数分布的方差 分布密度 方差 * 常见分布及其期望和方差列表P84 分布名称 数学期望E（X） 方差D（X） 0-1分布 二项分布 泊松分布 均匀分布 正态分布 指数分布 * 例：设随机变量X的概率密度为 1)求D（X）, 2)求 * * 例 已知 X 的 概率密度为 其中 A ,B 是常数，且 E (X ) = 0.5. 求 A ,B. 设 Y = X 2, 求 E (Y ),D (Y ) * 解 (1) * (2) * § 4.4 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 对二维随机变量,除每个随机变量各自 的概率特性外, 相互之间可能还有某种联系 问题是用一个怎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 * 称 为 X ,Y 的协方差. 记为 一 协方差 定义 显然， * Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X与Y独立， Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y) 即 当COV(X,Y)=0时，称X与Y不相关。 * D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y) 4. 随机变量和的方差与协方差的关系 * 例如，设随机变量 X 的分布列为 X -1 0 1 ，则容易算得 X 与Y 显然 是不独立的，因为 Y 的取值是由 X 来定的。 * 求 cov (X ,Y ) 1 0 p q X P 1 0 p q Y P 例 已知 X ,Y 的联合分布为 X Y pij 1