大二上学期概率论与数理统计课件与习题第12讲.ppt

完全正相关和完全负相关统称为完全相关，当X与Y完全相关时，(X,Y)可能取的值以概率1地集中在一条直线上。3.相关系数的意义若||的值越接近于1,e越小，X与Y之间越近似有线性关系；我们说X与Y的线性相关程度越高。为的严格减函数，它是用来刻画X,Y线性相关程度的一个量。用a0+b0X来近似Y，误差e=D(Y)(1-)若|?2|的值越接近于0,e越大，越不能认为X与Y之间有近似线性关系；我们说X与Y的线性相关程度越弱。e=D(Y)(1-)Y与X之间以概率1有严格线性关系;当?XY=0时,X,Y之间的关系较复杂；可能X,Y相互独立；可能(X,Y)在平面上的某个区域内服从均匀分布；可能X,Y之间有某种非线性的函数关系。§4.4矩1.k阶原点矩而E(|X|k)称为X的k阶绝对原点矩；Ak=E(Xk),k=1,2,…2.k阶中心矩而E|X-E(X)|k称为X的k阶绝对中心矩；易知E(X)=A1,D(X)=B2.Bk=E[X?E(X)]k,k=1,2,…3.k+l阶混合原点矩E(XkYl),k,l=0,1,2,…；4.k+l阶混合中心矩E{[X?E(X)]k[Y?E(Y)]l},k,l=0,1,2,…；易知Cov(X,Y)=E{[X?E(X)][Y?E(Y)]}是1+1阶混合中心矩。可见矩对于随机变量而言是一般的数字特征，而数学期望、方差、协方差等都是一些特殊的矩。关于矩有下述结论：设k为正整数。(1)???若E(Xk)存在，则对小于k的一切非负整数l，E(Xl)存在.(2)原点矩与中心矩可相互表示。习题课例7设X，Y是两个随机变量，且Y＝aX+b(a≠0,a,b为常数)，D(X)存在且不为0，求相关系数。几个重要的关系：对于随机变量X与Y，下列四个命题等价：例9在区间[0,a]上任取两点，求两点间距离的数学期望。前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要的，就是本讲要讨论的协方差和相关系数§4.3协方差、相关系数和矩一.协方差与相关系数的概念1.定义设二维随机变量(X,Y),它的分量的数学期望为E(X),E(Y)，若E[(X－E(X))(Y－E(Y))]存在，则称它为X,Y的协方差，记为Cov(X,Y),即Cov(X,Y)=E[(X－E(X))(Y－E(Y))]?2.计算(1)若二维离散型随机变量(X,Y)的联合分布律为且Cov(X,Y)存在,则(2)若二维连续型随机变量(X,Y)的联合概率密度为f(x,y),且Cov(X,Y)存在，则(3)Cov(X,Y)=E(XY)－E(X)E(Y)Cov(X,Y)=E(XY)-E(X)E(Y)可见，若X与Y独立，Cov(X,Y)=0.Cov(X,Y)=E{[X－E(X)][Y－E(Y)]}=E(XY)－E(X)E(Y)－E(Y)E(X)+E(X)E(Y)=E(XY)－E(X)E(Y)即=E{XY－XE(Y)－YE(X)+E(X)E(Y)}(5)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)(2)Cov(X,Y)=Cov(Y,X)3.简单性质(4)Cov(aX,bY)=abCov(X,Y)a,b是常数(6)若X,Y的协方差Cov(X,Y)存在，则E(XY)=E(X)E(Y)+Cov(X,Y)(3)Cov(X,X)=D(X)(1)Cov(X,a)=0若X1,X2,…,Xn两两独立,，上式化为D(X+Y)=D(X)+D(Y)+2Cov(X,Y)4、随机变量和的方差与协方差的关系求cov(X,Y)10pqXP10pqYP例1已知X,Y的联合分布为XYpij1010p