第4章+随机变量的数学期望.pptVIP

协方差，相关系数一.协方差定义与性质 1.协方差定义 若X的期望E(X)和Y的期望E(Y)存在, 则称 当COV(X,Y)=0时，称X与Y不相关。 “X与Y独立”和“X与Y不相关”有何关系？ COV(X,Y)=E{[X?E(X)][Y?E(Y)]}. 为X与Y的协方差, 易见 COV(X,Y)=E(XY) ? E(X)E(Y). 例: 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。 E(XY) 解: E(X) E(Y) 则 COV(X,Y)=E(XY) - E(X)E(Y)=0 所以 X与Y不相关 例：设 服从 上的均匀分布，令 ， ，判断 与 是否相关，是否独立. 解： ， 但很显然， 与 并不独立 2.协方差性质 (1) COV(X, Y)=COV(Y, X); (2) COV(X, X)= D(X); COV(X, c)=0 (3) COV(aX, bY)= COV(X, Y), 其中a, b为 常数； ab (4) COV(X+Y，Z)=COV(X, Z)+COV(Y, Z); (5) D(X Y)=D(X)+D(Y) 2COV(X, Y). (6) 当X与Y相互独立时, 则cov(X,Y)=0; 例: 设随机变量X?B(12, 0.5),Y? N(0, 1),COV(X,Y)=-1, 求V=4X+3Y+1与W=-2X+4Y 的方差, V与W的协方差. 解: D(V)=D(4X+3Y+1) =D(4X+3Y) = D(4X) + D(3Y) + 12COV(X, Y). =16 D(X) + 9D(Y) + 12COV(X, Y) =48 + 9 ? 12 = 45 D(W)=D(-2X+4Y) =4D(X) + 16D(Y) ? 8COV(X, Y) =36 COV(V, W)= -8 D(X) + 12D(Y) + 10COV(X, Y) = -22 二.相关系数 1. 定义 若X,Y的方差和协方差均存在, 且DX0, DY0，则 称为X与Y的相关系数. 注：若记 称为X的标准化，易知EX*=0，DX*=1.且 量纲不同 2.相关系数的性质 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 (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； (3) X与Y不相关? ?XY=0; (1) |?XY|?1； D 1 x=y 解:1) 2) . , , , , XY Y 2 2 ), , ( 2 1 2 1 ~ ) ( r r r s s m m = N X 则 设 一般: X与Y独立的必要条件是 : X与Y不相关。 若（X，Y）服从二维正态分布，则X与Y独立的 充分必要条件是X与Y不相关(r =0) 。 k 阶原点矩和中心矩 k 阶原点矩：?k = E(Xk) ， k = 1, 2, …. 注意: ?1 = E(X). k 阶中心矩：?k = E[X?E(X)]k ， k = 1, 2, …. 注意: ?2 = D(X). 定义 §5 大数定理与中心极限定理 1. 在大量随机现象的平均结果是一个与个别随机现象的特征无关的结果,具有稳定性.如:频率的稳定性； 2. 大数定律以确定的形式表达了这种规律性,并论证了其成立的, 即从理论上阐述了这种大量的、在一定条件下的、重复的随机现象呈现的规律性, 揭示了在事物表象后面的本质特征。 大数定律从理论上解决下面两个问题: (1)用频率近似代替概率问题—P(A)=m/n; (2)用样本均值近似代替理论均值问题— 0 1 2 -1 0.1 0.3 0.15 0 0.2 0.05 0 2 0 0.1 0.1 设Z=XY 求E(Z) Z 0 0 0 -1 0 2 -2 0 4 P 0.1 0.2 0 0.3 0.05 0.1 0.15 0 0.1 Z 0 -1 2 -2 4 P 0.35 0.3 0.1 0.15 0.1 例: 二维连续型随机变量(X ,Y )的概率密度为 求E(XY). 解: 数学期望的性质 (