[学习]概率论与数理统计第四章.ppt

例2 计算在区间[a,b]上服从均匀分布的随机变量 的数学期望 定理2 设Z是随机变量X和Y的函数,Z=g(X,Y)(g是连续函数),那么Z也是一个随机变量,设(X,Y)的概率密度为f(x,y),则 （3） 若 是离散型随机变量,且 4. 两个独立的随机变量之和的方差等于两个随机变量方差的 和 证明： (2) k阶中心矩 定义2 设X为随机变量,如果E(X)存在,那么,当 = ,k=1,2... (2)存在时,称 为X的k阶中心矩. 显然,X的方差D(X)就是X的二阶中心矩. (3) 混合矩 定义3 设(X,Y)是二维随机变量,如果 = ,k,L=1,2,... (3)存在,则称 为二维随机变量(X,Y)的k+L阶混合(原点)矩. 协方差具有以下的性质. (1)Cov(X,Y)=Cov(Y,X) 由(9)式知, |ρ xy|=1 等价于 [E(WV)]2=E(W2)E(V2). 即 g(t)= E[tW-V)2] =t2E(W2)-2tE(WV)+E(V2) =0 (10) 由于 E[X-E(X)]=E(x)-E(X) =0, E[Y-E(Y)]=E(Y)-E(Y) =0.故 E(tW-V)=tE(W)-E(V)=tE[X-E(X)]-E[Y-E(Y)]=0 所以 D(tW-V)=E{[tW-V-E(tW-V)]2}=E[(tW-V)2]=0 (11) 由于数学期望为0,方差也为0,即(11)式成立的充分必要条件是 P{tW-V=0}=1 两点分布 p p（1-p） 二项分布 np npq 超几何分布 nN1/N 普哇松分布 指数分布 分布 正态分布 几种重要分布的数学期望和方差： §4.3 其他数字特征 介绍另外一些数字特征,包括矩,协方差与相关系数. 矩的概念 (1). k阶原点矩 定义1 设X为随机变量,如果αk=E(Xk),k=1,2,... (1) 存在时,称αk为X的k阶原点矩,简称k阶矩. 由定义1可知,X的k阶原点矩就是Xk的数学期望,所以求原点矩 的问题,就是求随机变量的函数Y=Xk的数学期望.特别地,X的数 学期望就是一阶原点矩. (4) 混合中心矩 定义4 设(X,Y)为二维随机变量,如果μkl=E{[X-E(X)]k[Y-E(Y)]L} k,L=1,2,.... (4)存在,则称μkL为二维随机变量(X,Y)的k+L阶混合中心矩. 协方差与相关系数 定义5 设(X,Y)为二维随机变量,称1+1阶混合中心矩E{[X-E(X)][Y-E(Y)]}为X与Y的协方差,记为Cov(X,Y),即Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}而 称为X与Y的相关系数 由协方差的定义可得 Cov(X,Y)= E{[X-E(X)][Y-E(Y)]}=E{XY-E(X)Y-E(Y)X+E(X)E(Y)=E(XY)-E(X)E(Y) (2)Cov(aX,bY)=abCov(X,Y). a,b是常数 (3)Cov( + ,Y)=Cov( ,Y)+Cov( , Y). 定理1 (1)若X与Y相互独立,则ρxy=0; (2)| ρxy|≤1; (3)| ρxy|=1的充分必要条件是:存在常数a,b使P{Y=aX+b} =1.即X与Y以概率为1线性相关. 证明:(1) X与Y相互独立,我们有E(XY)=E(X)E(Y), 因为Cov(X,Y)=E{[X-E(X)][Y- E(Y)]=E(XY)-E(X)E(Y) 所以Cov(X,Y)=0, 有ρxy的公式表示它为0. (2)先证一个重要的不等式---柯西-许瓦兹不等式:若E(W2) 及E(V2)存在,则[E(WV)]2≤E(W2)×E(V2). (8)