概率统计 Ch4.ppt

* * * * * * * * * * * * * * * 第四章 数字特征 §1 数学期望 §2 方差 §3 矩,协方差,相关系数 * 第四章 数字特征 §3 矩,协方差,相关系数 1. 矩 定义 设X是随机变量，若 存在， 称它为X的k阶原点矩，简称 k阶矩. 称它为X的k阶中心矩. 可见，均值 E(X)是X一阶原点矩，方差D(X) 是X的二阶中心矩。 存在， * 第四章 数字特征 §2 方差 例. X~N(0,1), 求E(Xk). (k=1,2,…) * * 第四章 数字特征 §3 矩,协方差,相关系数 E{[ X-E(X)][Y-E(Y) ]} =E{ XY-XE(Y)-YE(X)+E(X)E(Y) } =E(XY)-E(X)E(Y) E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y) 一个公式 证： 由期望性质, 当X, Y 独立时, E(XY)=E(X)E(Y) ∴ E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)=0 * 第四章 数字特征 §3 矩,协方差,相关系数 ∴ 当 E{[ X-E(X)][Y-E(Y) ]}≠0时, X, Y 不独立 ∵ X, Y独立时, E{[ X-E(X)][Y-E(Y) ]}=0 数值 反映了随机变量 X , Y 之间的某种关系 将其定义为 X ,Y 的协方差. * 第四章 数字特征 §3 矩,协方差,相关系数 协方差的定义 称 为 X ,Y 的协方差. 记为cov(X,Y) 定义 特别： * 但cov(X, Y)=0时， 不能推出X, Y独立. 第四章 数字特征 §3 矩,协方差,相关系数 注意, X, Y独立时， cov(X, Y)=E(XY)-E(X)E(Y)=0 * 则cov(X,Y)=0, 但X,Y不独立. cov(X, Y)=0时，推不出X, Y独立. ∴ cov(X, Y)=E(XY)-E(X)E(Y)=0 X,Y不独立. * 第四章 数字特征 §3 矩,协方差,相关系数 协方差性质: (1) cov(X, k)= 0, k 为常数； (2) cov(X, Y)= cov(Y,X) (3) cov(aX, bY) = abcov(X,Y) a,b是常数 (4) cov(X1+X2,Y)= cov(X1,Y) + cov(X2,Y) (5) D(X±Y)=D(X)+D(Y)±2cov(X,Y) * 第四章 数字特征 §3 矩,协方差,相关系数 等式成立, 证明(6): 即 得证. g(t)有两个相等实根: 的条件: * 即 显然 存在a,b 使 * 第四章 数字特征 §3 矩,协方差,相关系数 相关系数的定义 定义: 设D(X)0, D(Y)0, 称 为随机变量 X 和 Y 的相关系数 . 在不引起混淆时，记 为 . * 第四章 数字特征 §3 矩,协方差,相关系数 相关系数的性质： 证： * 第四章 数字特征 §3 矩,协方差,相关系数 存在常数 a, b (a≠0) ， 使 P{Y= aX + b}=1， 即 X, Y 以概率 1 线性相关. ρXY表示X与Y存在线性关系的强弱程度。 |ρXY|越大，X与Y线性关系越强，反之越弱. |ρXY|=0，X与Y不存在线性关系，称为不相关. 正相关 负相关 不相关的定义 若ρXY=0, 则称X,Y不相关. * 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 不相关等价定义 X Y 独立 * 例. 设 ( X ,Y ) ~ N ( ?1, ?2; ?12, ?22 ; ?), 求?XY 解: 例2 * 若 ( X ,Y ) ~ N ( ?1, ?2; ?12, ?22 ; ?), ∴ X ,Y 相互独立 X ,Y 不相关 则X ,Y 相互独立 ?=0 * 例. 设 ( X ,Y ) ~ N ( 1, 1; 4, 4; 0.5 ), Z = X + Y , 求 ? XZ 解 * ρXY表示X与Y存在线性关系的强弱程度。 * * * * * * * * * * * * 第四章 数字特征 §1 数学期望 §2 方差 §3 矩, 协方差, 相关系数 * §2 方 差 1) 方差的定义 2) 方差的计算 3) 方差的性质 4)