1-3多维随机变量.ppt

第三节多维随机变量

1多维离散型随机变量及其分布列

2多维连续型随机变量及其联合密度

3多维随机变量的独立性

1多维离散型随机变量及其分布列

定义设(X,Y)的所有可能的取值为

则称

为二维r.v.(X,Y)的联合分布列.

2多维连续型随机变量及其密度函数

定义设二维r.v.(X,Y)的分布函数为F(x,y),若存在非负可积函数p(x,y),使得对于任意实数x,y有

则称(X,Y)为二维连续型r.v.

p(x,y)为(X,Y)的联合密度函数.

3多维随机变量的独立性

X与Y独立

连续型

对一切i,j有

离散型

X与Y独立

对任何x,y有

第四节数字特征

1一维随机变量的数字特征

2多维随机变量的数字特征

3数学期望和方差的性质

1一维随机变量的数字特征

1.1数学期望

定义1设X是离散型随机变量，它的概率分布是:P(X=xk)=pk,k=1,2,…

为X的数学期望(Expectation).简称期望或均值.

1一维随机变量的数字特征

1.1数学期望

定义2设X是连续型随机变量，其密度函数为p(x),如果

则称

为X的数学期望.

1一维随机变量的数字特征

1.1数学期望

定理设X是一个随机变量，Y=g(X)，则

1一维随机变量的数字特征

1.2方差

定义设X是一个随机变量，若EX2∞，

则称

Var(X)=E[X-E(X)]2

为X的方差(variance)，或记为D(X).

1一维随机变量的数字特征

1.3矩

为X的k阶原点矩.

为X的k阶中心矩.

k=1,2,…

定义设X为随机变量，k为正整数，称

称

k=2,3,…

2多维随机变量的数字特征

2.1协方差

任意两个随机变量X和Y的协方差（covariance）,记为Cov(X,Y),定义为

Cov(X,Y)=E[(X-EX)(Y-EY)]

定义

2多维随机变量的数字特征

2.2相关系数

为随机变量X和Y的相关系数(correlationcoefficient).（也记为XY)

定义设Var(X)0,Var(Y)0,

称

相关系数的性质

即Y与X有线性关系的概率等于1，

这种线性关系为

X,Y相互独立

ρ=1

ρ=-1

0ρ1

-1ρ0

线性关系

第五节大数定律和中心极限定理

1大数定律

2中心极限定理

问题

频率趋于概率的严格证明？

为什么正态分布占据着如此重要的地位？

1大数定律

它们服从相同的分布，且具有有限的数学期望：

则

应用（掷硬币问题）

定义

则n次投掷中掷得正面的次数为

频率为

由大数定律，得：

2中心极限定理

中心极限定理的客观背景:

在实际问题中，常常需要考虑许多随机因素所产生总影响.

例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响.

空气阻力所产生的误差；

对我们来说重要的是这些随机因素的总影响。

如:瞄准时的误差；

炮弹或炮身结构所引起的误差；

……

等等.

泊松分布

O

这是什么曲线?

由于无穷个随机变量之和可能趋于∞，故我们不研究n个随机变量之和本身而考虑它的标准化的随机变量

的分布函数的极限.

可以证明，满足一定的条件时，上述极限分布是标准正态分布.

中心极限定理

独立同分布的中心极限定理

且有期望和方差：

定理

定义：

及标准化：

即对任意实数x,

则

注:它表明，当n充分大时，方差存在的n个独立同分布的r.v之和近似服从正态分布.

令