数理统计3.jsp课件.pptxVIP

第五节;一、矩;若积分;此积分是Lebesgue-Stieltjes积分，当X为连续型时;2、随机变量函数的数学期望;2）设X为连续型随机变量，其概率密度为;勺概率密度为;例 1 设X服从 N(0, 1)分布，求E (X2), E (X3), E (X4);0;3二维随机向量函数的数学期望 设(x,y)为二维随机向量，分布 函数为 尸(x,y),又函数 g(x,y)在人2上连续，则 Z = g(X,K)的数学期望为;若(X, Y )是二维离散型随机向量;若(X,Y)是二维连续型随机向量 ，密度函数为 p (x, y), g(x, y)是二元连续函数,则 Z = g(X,Y) 数学期望为;4、数学期望的性质 1） 设。是常数，贝M（1）=G 2） 若A是常数，则E{k X）=k 3） 8（羽+为）=￡（羽）+￡（盼; 〃 ，7 推广： Z=1 z=l 4）设爪 /独立，贝80r）=8Cr）8（r）； 注意：由￡07 ）=8（/）8（,）不一定能推出兀屜立 n n 推广：mtp；］（诸居独立时） Z=1 Z=1;4）若/与 /独立，则 e^x r）=^（x）^（r）.;5、方差;由定义知，方差是随机变量X的函数 g(X) = [X- E(X)]2的数学期望. X为离散型, r 9 ? p(x=)= Pk LXX) =S 心;重要公式;方差的性质;6.常见分布的数学期望和方差;若设;4 ）均匀分布：参数;^^ M-,axb 密度函数 I 0 , other;密度函数;密度函数;M)2;例2 已知随机变童X?P?快0/7）;例6 设随机变量/?MO, 1), Y-U (0, 1),;EX, DX均为常数。;?M旳特） A=1;7、协方差及相关系数 1)定义 称COV(X,Y)= E(X.EX)(Y.EY)为随机变量X,Y 的协方差.而COV(X,X)=DX. cov(x,y) Pxy =7=7= 为随机变量X,Y的相关系数。 MDX ,JDY 戶“是一个无量纲的量；若。所=0， 称X,Y不相关，此时COV(X,Y)=0。 协方差的计算公式;2）协方差的性质;定理：若X, Y独立，则X,Y不相关。 证明：由数学期望的性质有;一般情况下,对于〃个随机变量x”x,,...，x;3)相关系数的性质 1) \Pxy\^ !? 2) |扇=1 说明;例3;cov （g, r\ ）= cov（X - 2Yf 2X - Y）;设(XY)服从二维正态分布， X, Y独立=0?X, Y不相关。 注意独立与不相关并不是等价的. 当(x,y)服从二维正态分布时，有 x与f独立?x与丫不相关;8、矩、协方差矩阵;设X和F是随机变量，若 ￡3十)k/=l,2,… 存在， 称它为X和F的奸I阶混合(原点)矩.;协方差矩阵的定义;类似定义展隹随机变量 X=(X|*2, ???*n)的协方差矩阵. 若 =况凶_风_顼％)]} 都存在，称矩阵 ，，户;协方差矩阵的性质 1） 是一个对称矩阵 2） 是一个非负定矩阵;3) T;二、条件期望;例设;故 条件数学期望可以推广到任意随机变量的函数上，并且 有与数学期望相似的性质。 （2） ￡[g（xD+（xl 习=四（无7）| H+（xy）| y] （3） 卸）g/刃 IY] =7xMg（xr）I y] （4） 包g±y）] =gg±y）I r|） （4）称为平滑公式，其意义是，在求平均值时，可按 ■将进行分组，先求各组的平均值，再求;第六节大数定律和中心极限定理;一、两个重要的不等式;运用切比雪夫不等式证明结论 DX=O ^P{X=c} = l, c=EX proof nQX = 0,敬存在，于是有 co 1 0P{\X-EX\ 0} = P{\J\X-EX\ -} 1 ■ ? 〃=1 “ AZ=1 L J 〃=I（丄）2 n P{|X —EX|〉0} = 0oP{|X —EX|=O} = 1;2、A.L.Cauchy—Schwarz不等式.;运用A.L.Cauchy—Schwarz不等式证明结论 Eoc y）=| 顼 x—战“―硏 2 EI^X-EXf EXY-EYf =W?应;所以 D(tGX-r)= Q nP(，oX-r=0) = lo;要解决的问题;?、大数定律;定理设;贝(伯)努里(Bernoulli)大数定律 设事件■在每次试验屮出现的概率为P,且 在〃次重复独立试验中岀现的频率为 则limRI — — A vs}=1 n 证引入r?v.序列皿};不,羽,?,x〃相互独立,;—