概率论与数理统计第四讲.pptVIP

例(1)0-1分布B(1,p)的母函数(2)二项分布B(n,p)的母函数(3)泊松分布P(λ)的母函数(4)几何分布的母函数定理设非负整数随机变量X的母函数为g(x)，如果E(X)与E(X2)有限，那么例利用母函数计算随机变量的期望和方差。当X~B(n,p)时，g(x)=(q+px)n,独立和的母函数设非负整数值随机变量X有概率分布P{X=i}=pi母函数为gX(x),非负整数值随机变量Y有概率分布P{X=j}=pj,及母函数gY(y)，且X与Y相互独立。则X+Y仍为非负整数值随机变量，且X+Y的母函数为利用母函数在收敛域内绝对收敛性质，有定理n个独立非负整数值随机变量之和的母函数等于它们各自母函数的乘积。例设Xi(i=1,2,…,n)相互独立且服从B(1,p),已知母函数为(q+px),则X=X1+X2+…+Xn服从B(n,p)的母函数为例设口袋中放有三张卡片，上面分别记有0，1，2三个数，从中独立有放回地抽取三次，问抽到三张卡片数字的和恰为2的概率。定理设{Xk}为相互独立的非负整数值随机变量序列，它们有相同的母函数g(s),如果Y是另一非负整数值随机变量，其母函数为F(s),那么当Y与Xk均独立时，的母函数为G(s)=F[g(s)].5.特征函数（CharacteristicFunction）定义设X与Y是概率空间S上的实值随机变量，Z=X+iY,称Z为S上的复值随机变量.如果EX,EY存在，称EX+iEY为Z的数学期望,简称期望，记为EZ.定义若随机变量X的分布函数为F(x),则称为X的特征函数，或称相应于F(x)的特征函数。如果X是离散型，则如果X是连续型，则Euler公式：故例写出下列分布的特征函数（1）退化分布：（2）二项分布B(n,p)：（3）泊松分布P(λ)：例求下列分布的特征函数（1）X~U[a,b]：（2）指数分布：（3）X~N(0,1)：特征函数性质（1）（2）?(t)在(-∞,+∞)上一致连续.（3）?(t)是非负定的，即对任意n和实数ti，复数Zi，有（4）如果函数?(t)在t=0处连续，?(0)=1且非负定，则必然存在某一分布函数F(x)，使得（5）独立随机变量之和的特征函数等于各随机变量特征函数的乘积.（6）若Y=aX+b(a,b为常数)，则Y的特征函数?Y(t)与X特征函数有如下关系（7）如果随机变量X的n阶原点矩EXn存在，则X的特征函数?(t)的高阶导数存在，且对任意k≤n，有反演公式与唯一性定理引理设x1x2,那么满足定理（反演公式）设F(x)和?(t)分别为随机变量X的分布函数和特征函数，而x1，x2是F(x)的连续点，则定理（唯一性定理）分布函数由它的特征函数唯一确定。定理若，则分布是连续型的，且分布密度为例设且独立，求X+Y的分布。例设X与Y相互独立，X~B(1,1/2),而Y~U[0,1]求X+Y的分布。例已知随机变量X的特征函数为求它的分布密度。例设R.VX与Y相互独立，且又设，R.V求E(Z)和D(Z).切比雪夫Chebyshev不等式例在每次试验中，事件A发生的概率为0.5。利用Chebyshev不等式估计：在1000次独立试验中，事件A发生的次数在450至550次之间的概率。例设R.VX的方差D(X)=0,求证P(X=E(X))=1.即X服从参数为E(X)的退化分布。§4.3协方差与相关系数1协方差(covariance)定义设(X,Y)为二维R.V，若一般地，对任何R.VX,Y有性质：例(X,Y)为二维随机向量，设X~U[-1,1],Y=X2,证明Cov(X,Y)=0.证明2相关系数(CorrelationCoefficient)定义设(X,Y)为二维随机向量，若D(X)0,D(Y)0,则称为X与Y的相关系数。有柯西—施瓦茨不等式定理*设X,Y为任意两个R.V,若E(X2)∞，E(Y2)∞,则有且等式成立的充要条件是存在常数t0，使得由柯西—施瓦茨不等式可得定理相关系数的性质的充要条件是X与Y之间线性相关，既存在常数a,b使得定义若R.VX与Y的相关系数ρ=0，则称X与Y不相关。例设R.VZ的分布律Z-π/20π/2P0.30.40.3令定理对R.VX与Y下列命题是等价的,1）Cov(X,Y)=0;2)X与Y不相关；3)E(XY)=E(X)E(Y