概率论与数理统计(华工版)第5章.ppt

定理1 对二维随机变量(?, ?)， (1) 若?, ?独立，则cov(?, ?)＝0 证明 相关系数 随机变量?, ?的相关系数ρ?? (简记为ρ) ρ=0表示?, ?不（线性）相关 相关系数只是?与?间线性关系程度的一种量度。 相关系数的性质 对二维随机变量(?, ?)，ρ为?, ?的相关系数，则： （1）若?, ?独立，则ρ=0. （2）－1≤ρ≤1，当且仅当?, ?间有严格线性关系时等号成立。 定理2 设 (ξ,η)服从参数为μ1，μ2，σ1，σ2，r的二维正态分布，证明ξ、η的相关系数为r。 由ξ、η独立的充要条件是r=0 得： 独立性与不相关性是等价的。 例1 证明 例 对n维正态分布，独立和不相关的关系如下： 定理： 相互独立的充要条件是它们 两两不相关。 定理： 服从n元正态分布的 充要条件是它的任一线性组合 服从一维正态分布。 若(?, ?)是二维随机变量，则 （1）E(??)= E? · E?+cov(?,?) （2）D(?+?)= D?+ D?+2cov(?,?) 定理3 例2 设二维随机向量（ξ，η）的联合密度为 试求数学期望Eξ，Eη，方差Dξ，Dη，协方差cov（ξ，η），相关系数ρ ，并求D（5ξ－3η）。 解： 补充： 已知ξ1 ,ξ2相互独立，均服从正态分布N(0,σ2),η1＝aξ1＋bξ2，η2＝aξ1－bξ2，其中a，b是常数。 （1）求η1，η2的相关系数; （2）问η1，η2是否相关，是否独立; （3）当η1，η2独立时，求(η1，η2)的联合密度函数。 例3 解： （2）因为η1，η2都是正态分布随机变量，所以不相关与独立是等价的。 故 当|a|=|b|时，ρ =0，η1,η2相互独立， 当|a|≠|b|时，ρ≠0，η1,η2是不独立的。 (3)当η1，η2相互独立时，即a 2 =b 2 时，η 1 ～N（0，2a2σ2 ），即 §5.4 矩 定义 设ξ为随机变量，c为常数，k为正整数，则 1)E[(ξ－c)k]称为ξ关于c点的k阶矩。 2）当c＝0时,ak=E(ξk)称为ξ的k阶原点矩; 3）当c=Eξ时,μk=E[(ξ－Eξ)k]称为ξ的k阶中心矩。 显然： Eξ是一阶原点矩 Dξ是2阶中心矩。 偏度系数 用于衡量ξ的分布与正态分布的偏离程度。 如偏度系数显著异于零，说明ξ的分布与正态分布有较大的偏离程度。 峰度系数 用于衡量ξ的分布密度在均值附近的陡峭程度。 峰度系数越大，说明ξ的密度曲线在均值附近越陡峭。反之，越平坦。 ξ∽N(0,σ2)，求Eξk。 例 解 §5.5 条件数学期望 离散型随机变量的条件数学期望 为ξ在(η=bj)发生条件下的条件数学期望，简称 条件期望。 连续型随机变量的条件数学期望 为ξ在(η=y)发生条件下的条件数学期望，简称条件期望。 条件期望的性质 (1) (2) (3) 特别地 (4) 例1 在求职过程中得到了三个公司的面试通知，为简化计算，假定每个公司都有三类不同的空缺职位:一般的、好的、极好的。其工资分别为2.5万元、3万元、4万元。估计能得到这些职位的概率分别为0.4，0.3，0.2，有0.1的概率将得不到任何职位，由于每家公司都要求在面试结束时表态接受或拒绝所提供的职位，那么应遵循什么策略来应答呢? 求职面试问题 注：这些性质可以推广到多个随机变量上。 例13 在n次重复独立试验中，每次成功的概率为p。设ξi 表示第i次试验成功的次数，则ξi有分布律 ξi 0 1 概率 1－p p 此外，我们可以推导出 η~B(n,p) 则 超几何分布的期望 例14 解： ξ表示n次抽样抽出的废品数，服从超几何分布。 并称 为ξ的标准差或均方差。 §5.2 方差 对随机变量ξ，若E (ξ－Eξ)2存在，则称E (ξ－Eξ)2为ξ的方差，记作Dξ或Varξ，即 定义 由数学期望的性质，可导出计算方差的另一个公式： 1、对于离散型随机变量ξ，若有分布律p(xi)，则 2、对于连续型随机变量ξ，若有分布密度φ(x)，则 由方差的定义，有 例1 ξ~B(n,p) ，求Dξ和 。 解 于是 例2 设ξ～P(λ)，试求Dξ。 解 几何分布的方差 证明： 例3 例4 证明事件在一次试验中发生次数的方差不超过1/4。 证 设ξ表示事件Ａ在一次试验中发生的次数，即 设随机变量ξ服从[a，b]上的均匀分布，求Dξ。 例5 解： 例6 解： 设随机变量ξ服从正态分布N(a，σ2)，求Dξ。 设随机变量ξ服从参数为a的指数分布，求Dξ。 例