概率统计和随机过程53随机变量的数学方差.pptxVIP

1 定义 若E ((X - E(X))2) 存在，则称其为随机变 量 X 的方差, 记为D (X ) D (X ) = E ((X - E(X))2) (X - E(X))2 —— 随机变量X 的取值偏离平均值 的情况, 是X的函数, 也是随机变量 E(X - E(X))2 —— 随机变量X的取值偏离平均值的平均偏离程度—— 数 2 若 X 为离散型 变量.，概率分布为 常用的计算方差的公式： 3 D (C) = 0 D (aX ) = a2D(X) D (aX + b ) = a2D(X) 特别地，若X ,Y 相互独立，则 4 对任意常数C, D (X )  E(X – C)2 , 当且仅当C = E(X )时等号成立 5 例8 将 编号分别为 1 ~ n 的n 个球随机地放入 编号分别为 1 ~ n 的n 只盒子中，每盒一 球. 若球的号码与盒子的号码一致，则称 为一个配对. 求配对个数 X 的期望与方差. 解 6 7 8 9 仅知随机变量的期望与方差并不能确定其分布, 例如： 与 它们有相 同的期望、 方差 但是分布 却不同 10 但若已知分布的类型，及期望和方差，常能 确定分布. 例9 已知 X 服从正态分布, E(X ) = 1.7, D(X ) = 3, Y = 1 – 2 X , 求 Y 的密度函数. 解 11 标准化随机变量 设随机变量 X 的期望E(X )、方差D(X )都存在, 且D(X )  0, 则称 为 X 的标准化随机变量. 显然， 12 § 5.3 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 这说明对于二维随机变量，除了每个随机 变量各自的概率特性以外，相互之间可能还有 某种联系. 问题是用一个什么样的数去反映这 种联系. 数 反映了随机变量X ,Y 之间的某种关系 13 14 若D (X ) 0, D (Y ) 0 ,称 为X ,Y 的 相关系数，记为 15 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 16 求 cov (X ,Y ), XY 解 17 18 例2 设 ( X ,Y ) ~ N ( 1, 12,2,22,), 求 XY 解: 19 若 ( X ,Y ) ~ N ( 1, 12, 2, 22, ), 则X ,Y 相互独立 X ,Y 不相关 20 例3 设 ~ (0,2) , X = cos  , Y = cos(  + ),  是给定的常数，求 XY 解 21 22 23 例4 设 X ,Y 相互独立，且都服从 N (0, 2), U = aX + bY , V= aX - bY , a,b 为正常数，且都不为零，求UV 解 由 24 而 故 继续讨论：a , b 取何值时， U , V 不相关？ 此时， U , V 是否独立？ 若 a = b，UV = 0, 则 U , V 不相关. 此时，U，V也是独立的。 协方差的性质 26 证 5: 令 对任何实数 t , 即 —Cauchy-Schwarz不等式 其中 27 等号成立 即 又显然 28 即 即Y 与X 有线性关系的概率等于1，这种线性 关系为 29 完全类似地可以证明 当E(X 2) 0, E(Y 2 ) 0 时，当且仅当 30 相关系数的性质 Cauchy-Schwarz不等式 的等号成立 即Y 与X 有线性关系的概率等于1， 这种线性关系为 31 32 33 若 X , Y 服从二维正态分布， 34 作 业 习题五 20，21，22，24