水文学课件-数字特征与特征函数.pptVIP

§4－3 离势系数、矩、偏态系数 及峰度系数 离势系数 方差（或均方差）虽然很好地刻划了随机变量对其数学期望的离散程度，但当我们要比较两个随机变量的离散程度时，由于变量本身量级不同 ，只比较方差（或均方差）的大小就不合适了，还应该消除均值大小的影响 ，因此引入变差系数这个指标。 由 和 可得到一个在水文统计中很有用的公式 我国水文界习惯称它为离势系数，常 用它来描述各种水文气象变量的离散程度。 变差系数 偏态系数 随机变量的概率分布，有的是对称的，有的是不对称的，在数学上用什么量来描述分布的不对称程度呢？ 偏态系数（偏差系数） ： CS也是水文上常用的一个统计参数。 通常 越大，分布就越不对称； 越小，分布越接近对称；CS＝0，分布完全对称。 当CS0时，分布为正偏或右偏；CS0时，分布为负偏或左偏。 下图反映了CS对分布密度图形的影响 峰度系数 峰度系数刻划分布密度曲线的峰形阔狭特征。 正态分布的CE 恒为零。 峰度系数在实际工作中使用不多。 矩 定义1：随机变量X对原点离差k次幂的数学期望E(Xk)，称为X的k阶原点矩，记为 vk=E(Xk) k=1,2,… 数学期望是一阶原点矩。 定义2：随机变量X对数学期望离差k次幂的数学期望E(X- E X) k称为X的k阶中心矩，记为 uk= E[X- E( X)] k k=1,2,… 显然，方差是二阶中心矩。 定义3：设X为随机变量，d为任意实数，若 存在，则称 为随机变量X的k阶定点矩。 水文学中，常用矩表示数字特征： §4－4 多元随机变量的数字特征 数学期望与条件数学期望 均方线性回归 协方差与相关系数 协方差与协方差矩阵 相关系数与相关系数矩阵 条件方差 、剩余方差和回归方差 数学期望与条件期望 设(X1,…,Xn)为n元随机变量，则[E(X1 ),…,E(Xn)]称为n元随机变量(X1,…,Xn)的数学期望。其中E(Xi )是分量Xi的边际数学期望，即 二元连续型随机变量的条件期望 设(X,Y)为具有密度 f (x，y)的二元连续型随机变量，则下列积分为X=x下Y的条件数学期望，简称条件期望，记为 Y依X的回归曲线 二元连续型随机变量的条件期望 Y=y下的X的条件期望 上述结果可以推广到n元随机变量。 当随机变量相互独立时，条件期望变成常数，并等于无条件期望（即边际期望）。 当随机变量不相互独立时，条件期望不是常数 ，而是作为条件的那些随机变量的函数，例如二元随机变量（X,Y）的条件期望 ，当X取不同值时其数值也不同，由于X是随机变量 ，因此若把 写成 ，则它就变成X的函数，因此也是随机变量，下面证明，它与无条件期望E(Y)有下述关系 即条件期望的期望等于无条件期望。 证明： 均方线性回归 当二元随机变量（X，Y）服从正态分布时 ，两条回归线都是直线，但在实际问题中 ，（ X，Y）的联合分布常常未知，且不一定都是正态分布，致使回归方程的函数形式难于求得。此时，常采用线性函数作为回归方程的一种估计。实际应用中常用线性函数 来估计。并且按下述原则确定未知参数 由此得到的方程称为均方线性回归方程。 将 求导数，并令其等于零，可得 于是，Y依X的均方线性回归方程为 n元随机变量的方差 设(X1,X2,…,Xn)为n元随机变量，则称 (D(X1), D(X2 ), … , D(Xn ))为元随机变量的方差。 其中D(Xi )是分量Xi的边际方差。 协方差 设X，Y为两个随机变量，则协方差的定义为： 因此，若(X,Y)为二元离散型随机变量，则 若(X,Y)为二元连续型随机变量，则 其中  数字特征与特征函数 §4－1 数学期望 离散型随机变