浙大概率论与数理统计课件第四章随机变量的数字特征.pptVIP

2. X和Y独立时， =0，但其逆不真. 由于当X和Y独立时，Cov(X,Y)= 0. 故 = 0 但由 并不一定能推出X和Y 独立. 请看下例. ， Cov(X,Y)=0， 事实上，X的密度函数 例1 设X服从(-1/2, 1/2)内的均匀分布 , 而Y=cos X, 不难求得 存在常数 a,b(b≠0）， 使 P{Y= a + b X}=1， 即 X 和 Y 以概率 1 线性相关. 因而 =0， 即X和Y不相关 . 但Y与X有严格的函数关系， 即X和Y不独立 . 相关系数刻划了X和Y间“线性相关”的程度. 但对下述情形，独立与不相关等价 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 前面，我们已经看到： 若 X 与 Y 独立，则X与Y不相关， 但由X与Y不相关，不一定能推出X与Y独立. 4、二维正态分布独立与相关的关系 三、小结 这一节我们介绍了协方差、相关系数、 相关系数是刻划两个变量间线性相关程度的一个重要的数字特征. 注意独立与不相关并不是等价的. 当(X,Y) 服从二维正态分布时，有 X 与 Y 独立 X 与 Y 不相关 第四节 矩、协方差矩阵 原点矩 中心矩 协方差矩阵 n 元正态分布的概率密度 小结 一、 原点矩 中心矩 定义 设X和Y是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩 存