数据模型与决策之离散概率分布.pptVIP

随机变量的线性函数 考虑到Bill参加校园招聘计划有一定的成本（与接收John的机会相比，有时间成本），假如该成本是600美元，那么Bill暑期打工12周的实际收入R1为： R1=X-600 如果换成月收入，那么Bill暑期打工每月的实际收入R2为 R2=?R1= ? X-200，这是随机变量X的线性函数 第二十九页，共五十五页。 随机变量的线性函数 我们可以求出R2的分布： R1 21000 16200 11400 5600 -600 Pr 0.05 0.25 0.40 0.25 0.05 R1 7000 5400 3800 1866 -200 Pr 0.05 0.25 0.40 0.25 0.05 我们也可以求出R1的分布： 有了R1的分布，我们自然能够求出R1的期望和标准差，并且可以用下面的简化公式。 第三十页，共五十五页。 随机变量的线性函数 例 R1的期望和标准差分别是： 第三十一页，共五十五页。 协方差与相关性 实例：太阳镜和雨伞的销售量 概率pi 太阳镜的销售量xi 雨伞的销售量yi 0.1 35 41 0.15 78 10 0.05 81 0 0.1 30 13 0.2 16 42 0.05 29 22 0.1 35 1 0.1 14 26 0.1 52 11 0.05 46 23 问题：太阳镜和雨伞的销售量之间有 关系吗？ 第三十二页，共五十五页。 协方差与相关性 X与Y的相关性定义为 其中分子COV（X,Y）叫做X与Y的协方差，定义为 例 太阳镜的销售量与雨伞的销售量的相关性为： 第三十三页，共五十五页。 联合概率分布与独立性 两个事件A与B的独立性是指 P(AB)=P(A)P(B) 考虑随机变量（X，Y）的概率，记（X，Y）的取值为（xi，yi），相应的概率为pi，将它们列出一个表，就是（X，Y）的联合分布 例 记X=“抛一枚均匀硬币出现的正面数” Y= “抛一枚均匀硬币出现的正面数减去反面数” 则X可能的取值是0、1； Y的可能取值是-1,1 第三十四页，共五十五页。 联合概率分布与独立性 X与Y的联合分布为： X Y -1 1 0 1 0.5 0 0.5 0 合计 合计 0.5 0.5 1 0.5 0.5 第三十五页，共五十五页。 联合概率分布与独立性 两个变量相互独立，当且仅当 对所有x、y都是成立的。 例 （1）上面抛硬币的例子中，X与Y独立。 （2）太阳镜的销售量与雨伞的销售量不独立。 您能验证一下吗？ 提示：（1）需要写出四个式子验证。 （2）只要找到一个式子不成立即可。 P(X=35,Y=1)=0.1,P(X=35)=0.2,P(Y=1)=0.1 不相关就是指没有任何关系， 比如两个股票，一个涨跌不 影响另一个涨跌。 第三十六页，共五十五页。 两个随机变量的和 在投资市场里，通常要考虑资产组合配置，这就涉及到随机变量和的概念，最简单的情况是两个随机变量之和 假设X、Y是两个随机变量，Z=aX+bY，其中a、b是已知常数，那么 从该表达式可以看出： （1）若COV（X，Y）0, 则Var（aX+bY） a2 Var（X）+b2 Var（Y） （2）若COV（X，Y）0, 则Var（aX+bY） a2 Var（X）+b2 Var（Y） 由此可见，选择负相关的两个资产组合投资，可以降低风险。见P91案例 第三十七页，共五十五页。 两个随机变量的和 例 假设AB两个资产的投资收益率分别为8%和15%，方差分别是100元和400元，且它们的协方差为-150，现在将1万元投资AB两个资产，求最佳分配比例。 解 设投资资产A、B的比例分别为x、1-x，则资产组合的方差为 由此可见，当x=68.75%时 组合风险达到最小，此时 总收益是68.75%*10000*8% +31.25%*10000*15%=1018.75 即平均收益率是10.1875% 第三十八页，共五十五页。 由资产组合确定最佳投资比例 0.6875 第三十九页，共五十五页。 股票价格的离散程度反映了投资的风险 第四十页，共五十五页。 数据、模型与决策 丁邦俊 第一页，共五十五页。 第二讲 离散概率分布 第二页，共五十五页。 离散概率基础 概率第一定律: 任何事件的概率都是0和1之间的数. 例 将一枚均匀的硬币抛出，观察是正面向上还是反面向上，由完备性和对称性，这两个结果出现的可能性相等，即 P（出现正面）=0.5； P（出现反面）=0.5 概率：是指不确定的结果出现的可能性。 例