大二概率论第三章4节_第1页
大二概率论第三章4节_第2页
大二概率论第三章4节_第3页
大二概率论第三章4节_第4页
大二概率论第三章4节_第5页
已阅读5页,还剩22页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本节主要给出X与Y

的相关系数§3.4

多维随机变量的特征数3.4.1

多维随机变量函数的数学期望定理3.4.1设(X,Y)是二维随机变量,Z

=g(X,Y),则E(Z)

=

E[g(X,

Y)]

=i

j+¥

+¥-¥

-¥

g

(

xi

,

y

j

)

pij

g

(

x,

y)

p(

x,

y)dxdy例3.4.1在长为a

的线段上任取两点X与Y,求两点间的平均长度.求E(|X-Y|)3.4.2

数学期望与方差的运算性质E(X+Y)=E(X)+E(Y)

(性质3.4.1)

当X与Y独立时,E(XY)=E(X)E(Y),(性质3.4.2)讨论X+Y

的方差Var(X–Y)

=

Var(X)+

Var

(Y)

–2E[X-E(X)][Y-E(Y)]E[X-E(X)][Y-E(Y)]

=

E(XY)

-

E(X)E(Y)当X与Y独立时,E[X-E(X)][Y-E(Y)]=0.当X与Y独立时,Var(X

–Y)=Var(X)+Var(Y).注意:以上命题反之不成立.例3.4.5

(P169)设X~b(n,p),试求X的数学期望和方差3.4.3

协方差定义3.4.1

称Cov(X,

Y)

=

E[X-E(X)][Y-E(Y)]为X

与Y

的协方差.协方差的性质Cov(X,Y)=E(XY)-E(X)E(Y).

(性质3.4.4)若

X

与

Y

独立,则

Cov(X,

Y)

=

0.

(性质3.4.5)(3)Var(X–Y)=Var(X)+Var(Y)–2

Cov(X,Y)(性质3.4.6)Cov(X,Y)=Cov(Y,

X).

(性质3.4.7)Cov(X,a)=0.

(性质3.4.8)Cov(aX,bY)=abCov(X,Y). (性质3.4.9)Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z).

(性质3.4.10)例3.4.6此时X于Y的协方差为设随机变量X~N(0,σ2),且令Y=X,则X2

与Y不独立。Cov(

X

,Y

)

=

Cov(

X

,

X

2

)

=

E(

XX

2

)

-

E(

X

)E(

X

2

)

=

0课堂练习1X

与Y

独立,Var(X)=6,Var(Y)=3,则

Var(2X-Y)

=

().27课堂练习2X

~

P(2),Y

~

N(-2,

4),X与Y独立,则

E(

X-Y)

=

(

);E(

X-Y)2

=

(422

).配对模型的数学期望和方差ni

=1n

个人、n

件礼物,任意取.

X为拿对自已礼物的人数,求

E(X),

Var(X)解:记“Xi

=1”=“第i

个人拿对自己的礼物”

“Xi

=0”=“第i

个人未拿对自己的礼物”则

X

=

Xi

,因为

E(Xi)

=

1/n,

所以

E(X)

=

1.ni

=1i<

j又因为

Var(

X

)

=

Var(

Xi

)

+

2Cov(

Xi

,

X

j

),P

1-1/[n(n-1)]

1/[n(n-1)]所以

E(XiXj)

=

1/[n(n-1)],

由此得n2Cov(

Xi

,

X

j

)

=1

-

1

1=n(n

-1)

n2

(n

-1)又因为2

2Var(

X

)

=

E(

X

2

)

-[E(

X

)]2

=i

i

i-1

1

=

n

-1n

n

n所以先计算

E(XiXj),XiXj

0XiXj的分布列为1nn2i

=1i<

ji<

jVar(

X

)

=

Var(

Xi

)

+

2Cov(

Xi

,

X

j

)=

n

n

-1

+

2

1

2n2

(n

-1)12n

n

n

-1=+

2

n

(n

-1)

=

n

-1

1n

n+

=1所以3.4.4

相关系数定义3.4.2

称Corr(X,

Y)

=为X

与Y

的相关系数.Cov(

X

,Y

)Var(

X

)

Var(Y

)若记注意点X

*Y

*X

-

E(

X

)=

,Var(

X

)Y

-

E(Y

)=Var(Y

)则Corr(

X

,

Y

)

=

Cov(

X

*,

Y

*

)相关系数的性质(1)(1)施瓦茨不等式{

Cov(X,

Y)

}2

£

Var(X)Var(Y).相关系数的性质(2)-1

£

Corr(X,

Y)

£

1.Corr(X,Y)=–1 (性质3.4.12)(性质3.4.11)X

与Y

几乎处处有线性关系。P(Y=aX+b)=1Corr(X,Y)的大小反映了X与Y之间的线性关系:注意点Corr(X,Y)接近于1,X

与Y

间正相关.Corr(X,

Y)

接近于

-1,

X

与

Y

间

负相关.Corr(X,

Y)

接近于

0,

X

与

Y

间

不相关.没有线性关系设(X,Y)的联合分例3.4.1布列为X

Y-101-11/81/81/801/801/811/81/81/8求

X,

Y

的相关系数.i

j解:

E(X

)

=

xi

pij

=

022i

iji

jx

pE(X

)

=

=

3/4同理

E(Y)

=

E(X)

=

0E(Y2)

=

E(X2)

=

3/4另一方面E(XY

)

=

xi

y

j

piji

j=

1/8-1/8-1/8+1/8

=

0所以

Cov(X,

Y)=

E(XY)-E(X)E(Y)

=

0即Corr(X,Y)=0例3.4.2

(X,

Y)

~

p(x,

y)

=

1

(x

+

y),0

<

x

<

2,

0

<

y

<

280其它求X,Y

的相关系数解:E(X

)

=

E(Y

)

=2

20

01x

(x

+

y)dxdy8

=

7/62

220

018x

(x

+

y)dxdy

=

5/3E(X

2

)

=

E(Y

2

)

=所以,

Var(X)

=

Var(Y)

=

11/36E(XY

)

=2

20

018xy

(x

+

y)dxdy

=

4/311

/

3611Corr(

X

,Y

)

=

4

/

3

-

7

/

6

·7

/

6

=

-

1二维正态分布的特征数1

2

1

2(X

,Y

)

~

N

(m

,

m

,s

2

,s

2

,

r)(3)

X,Y

独立r

=

0.X

~

N(

m1,

s12),

Y~

N(

m2,

s22);参数r

为X

和Y

的相关系数;(4)

不相关与独立等价.3.4.5

随机向量的数学期望与协方差阵定义3.4.3

记1

2nX

=

(

X

,

X

,

,

X

),'则E(

X

)

=

(E(

X1

),

E(X

2

),,

E(Xn

))

'2

122

nn

1n

2nVar(

X1

)

Cov(

X1

,

X

2

)Var(

X

)Var(

X

)称

Cov(

X

,

X

)

Cov(

X

,

X

)Cov(

X1

,

Xn

)

Cov(

X

,

X

)

Cov(

X

,

X

)

X为

的协方差阵,记为Cov(

X

),或

S定理3.4.2协方差阵对称、非负定.协方差阵的性质称注意点rr

r11rR

=

n1

n2r12

...

r1n

21

22

...

2n

...

...

... ...

r

r

...

r

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论