概率论与数理统计第四章第三节（概率统计）.pptVIP

从而得到Cov(X,Y)=0, 即有 =0.这表明随机变量X和Y是不相关的, 虽然随机变量X与Y不相互独立. 分析上述例题, 得到如下的两个问题: 问题1是, 为什么随机变量X与Y不相互独立呢？ 感性上可以这样来理解: 随机点(X,Y)落入单位圆x2+y2≤1内, X与Y之间存在着制约关系X2+Y2≤1. 因此随机变量X与Y不相互独立. 问题2是,既然随机变量X与Y 不相互独立,也就是存在着制约关系, 为什么它们又不相关呢? 要注意，现在的制约关系是X2+Y2≤1, 而不是说“存在线性关系”. X和Y不相关只是说明二者之间没有线性关系, 是否有其他(如平方关系)关系并没有回答. 例4.3.4 设二维随机变量 (X, Y)服从二维正态分布, 即 (X, Y)~N (μ1, μ2,σ12,σ22, ρ). 试分析各个参数的意义. 结果是：E(X)=μ1, E(Y)=μ2, D(X)=σ12, D(Y)=σ22, ρXY=ρ. 定理3 若(X, Y)服从二维正态分布, 那么X与Y相互独立的充要条件是X与Y不相关. 4.3.3′矩的概念 这里再介绍随机变量的另外的几个 数字特征, 它们在后面的数理统计学习中 经常用到. 定义2 设X和Y是随机变量, 若 E(Xk ) ( k=1,2,…)存在, 称它为X的k阶原点矩, 简称 k阶矩. 若 E{[X-E(X)]k} ( k =2,3,…)存在, 称它为X的k阶中心矩. 若 E(X kY l) ( k ,l=1,2,…)存在, 称它为X和 Y的k+l阶混合矩. 若 E{[X-E(X)]k[Y-E(Y)]l } ( k , l =1,2,…)存在, 称它为X和Y的k+l阶混合中心矩. 显然, X的数学期望E(X)是X的一阶原点 矩,方差D(X)是X的二阶中心矩, 协方差Cov (X, Y)是X和Y的二阶混合中心矩. 下面介绍n维随机变量的协方差矩阵. cij=Cov(Xi, Xj) =E{[ Xi-E(Xi)][Xj-E(Xj)]}, i, j=1,2,…, n 都存在, 则称矩阵 为n维随机变量(X1, X2,…, Xn )的协方差矩阵. 由于cij=cji(i≠j, i, j=1,2,…,n), 因而上述矩阵 是一个对称矩阵. 讲评 一般情况下, n维随机变量的 分布是不知道的, 或者是太复杂, 以致在数 学上不容易处理, 因此在实际应用中协方差 矩阵就显得重要了. 4.3.6 内容小结 方差D(X)=E{[X-E(X)]2}描述随机变量X与它的数学期望E(X)的偏离程度, 我们常用公式 D(X)=E(X2)-[E(X)]2 计算方差, 注意E(X2)和[E(X)]2的区别. 计算协方差常用公式 Cov(X,Y)=E(XY)-E(X)E(Y). 思考题： (1) 当X与Y相互独立时, X与Y是否 不相关？ 若X与Y不相关, X与Y是否一定相互独立? (2) 对于正态分布, 若(X, Y)服从正态分布, 那么X和Y相互独立的充要条件是X与Y不相关吗? 4.3.7 作业布置 习题4.3 2、5、6、10 . 参考文献与联系方式 [1] 郑一,王玉敏,冯宝成. 概率论与数理统计. 大连理 工大学出版社，2015年8月. [2] 郑一,戚云松,王玉敏. 概率论与数理统计学习指 导书. 大连理工大学出版社，2015年8月. [3] 郑一,戚云松,陈倩华,陈健. 概率论与数理统计教 案 作业与试卷. 大连理工大学出版社，2015年8 月. [4] 王玉敏,郑一,林强. 概率论与数理统计教学实验 教材. 中国科学技术出版社， 2007年7月. 联系方式：zhengone@qtech.edu.cn * 下页 返回 上页 下页 返回 第四章 随机变量的数字特征 4.3 协方差及相关系数 第四章 随机变量的数字特征 内容摘要: 对于二维随机变量(X, Y), 我们除了讨论X与Y的数学期望和方差以外, 还需研究描述X与Y之间相互关系的数字特征. 有关这方面的