随机变量的数字特征
随机变量的数字特征详细内容
随机变量的数字特征
第四章 随机变量的数字特征
讨论随机变量数字特征的原因
(1) 在实际问题中,有的随机变量的概率分布
难确定,有的不可能知道,而它的一些数字特征较易确定。
(2)实际应用中,人们更关心概率分布的数字特征。
(3)一些常用的重要分布,如二项分布、泊松
分布、指数分布、正态分布等,只要知道了它们的某些数字特征,就能完全确定其具体的分布。
§4.1 数学期望
一、数学期望的概念
1.离散性随机变量的数学期望
例4.1:大学一年级某班有32名同学,年龄情况如下:
年龄 17 18 19 20 21 22
人数 2 7 10 8 4 1
求该班同学的平均年龄。
解:
平均年龄=
把上式改写为:
设X为从该班任选一名同学的年龄,其概率分布为
X 17 18 19 20 21 22
P 2/32 7/32 10/32 8/32 4/32 1/32
定义4.1:设离散型随机变量X的分布列为:
x1 x2 x3 …. xk ….
p1 p2 p3 …. Pk ….
若 绝对收敛(即 ),则称它为X的数学期望或均值(此时,也称X的数学期望存在),记为E(X),即
若 发散,则称X的数学期望不存在。
说明:
(1)随机变量的数学期望是一个实数,它体现了随机变量取值的平均;
(2) 要注意数学期望存在的条件: 绝对
收敛;
(3) 当X服从某一分布时,也称某分布的数学
期望为EX 。
例4.2:设X服从参数为p的两点分布,求EX
EX=p
例4.3:设XB(n,p),求EX
EX=np
例4.4:设X服从参数为的泊松分布,求EX
EX=
2.连续型随机变量的数学期望
定义4.2: 设连续型随机变量X 的概率密度为f(x).若积分 绝对收敛,(即 ),则称它为X的数学期望或均值(此时,也称X的数学期望存在),记为E(X),即
若 ,则称X的数学期望不存在。
例4.5:设X服从U[a,b],求E(X)。
EX=
例4.6:设X服从参数为的指数分布,求EX
EX=
例4.7: ,求EX
EX=
下面分析书上P101---P104例。
例1 P101
例2 P101
例3 P102---103
解:注意由于8:00~9:00, 9:00~10:00都恰有一辆车到站,所以(i)8:00到车站的旅客在8:50前一定会上车,而(ii)8:20到车站的旅客则可以直到9:50才会上车。
例4 P103
3.随机变量函数得数学期望
定理4.1:设随机变量X的函数为Y =g(X),
(1) 若离散型随机变量X的分布律为
,k =1,2,… , 绝对收敛,则Y的数学期望存在,且
(2) 若连续型随机变量X的概率密度为
f(x), Y =g(X)也是连续型随机变量, 绝对收敛,则Y的数学期望存在,且
定理4.2:设二维随机变量(X ,Y )的函数Z=g(x,y)
(1) 若二维离散型随机变量(X,Y)的联合分布律
为
且有 绝对收敛,则Z的数学期望存在,且
(2) 若二维连续型随机变量(X,Y)的联合概率密
度为 f (x,y),Z=g(X,Y) 也是连续型随机变量,并且 绝对收敛,则Z的数学期望存在,且
例5 P106
例6 P107
例7 P107
以下为第一版例。
例4.8:设XU0,,Y= ,求E(Y )。
例4.9:设(X,Y)的联合分布律为
其中
求E(XY)。
二.数学期望的性质
性质1:若c为常数,则
E(c)=c。
性质2:若c为常数,随机变量X 的数学期望存在,则:cX的数学期望存在,且E(cX)=cE(X)
性质3:若二维随机变量(X,Y)的分量X,Y的数学期望都存在,则X+Y的数学期望存在,且
E(X+Y)=E(X)+E(Y)
推论:若n维随机变量(X1,X2,..., )的分量X1,X2,..., 的数学期望都存在,则X1 + X2 +...+ 的数学期望存在,且
性质4:若随机变量X,Y相互独立,它们的数学期望都存在,则X•Y的数学期望存在,且
推论:若随机变量X1,X2,....,Xn相互独立,它们的数学期望都存在,则X1X2…Xn的数学期望存在,且
性质5:若随机变量只取非负值,又E(X)存在,则E(X)0。
若 对任何 , 存在,则
。
特别地,若 为常数, 存在,则 。
例8 P109
例9 P110
第一版例
例4.14:设一批同类型的产品共有N件,其中次品有M件。今从中任取n(假定n≤N-M)件,记这n件中所含次品数为X,求E(X)。
三.综合性的例题(第一版)
例:设X的概率密度为
,
其中a,b为常数,且E(X)= 。求a,b的值。
注意:f(x)中有几个未知数要建几个方程来求之。
例: 射击比赛规定:每位射手向目标独立重复射击四法子弹,全未中的0分,仅中一发得15分,恰中两发得30分,恰中三发得55分,全中得100分。若某射手的命中率为0.6,求他得分的数学期望。
例:某水果商店,冬季每周购进一批苹果。已知该店一周苹果销售量X(单位:kg)服从U[1000,2000]。购进的苹果在一周内售出,1kg获纯利1.5元;一周内没售出,1kg需付耗损、储藏等费用0.3元。问一周应购进多少千克苹果,商店才能获得最大的平均利润。
§4-2 方差
一.方差的概念
1、定义4.3:设 随机变量X的数学期望为E(X),若E(X-E(X))2存在,则称它为X的方差(此时,也称X的方差存在),记为D(X)或Var(X),即
D(X)=E(X-E(X))2
称D(X)的算术平方根 为X的标准差或均方差,记为 ,即
由数学期望的性质5知,若随机变量X的方差D(X)存在,则D(X)0。简言之,方差是一个非负实数。
当X服从某分布时,我们也称某分布的方差为D(X)。
2、计算方差
(1)若X是离散型随机变量,其分布律为pi=P(X=xi),i=1,2,...,且D(X)存在,则
(2)若X是连续型随机变量,其概率密度为f(x),且D(X)存在,则
(第一版)
例1:设XB(1,p),求D(X)
例2:设XN(,2),求D(X)
例3:设XU[a,b],求D(X)
(3)D(X)=E(X2)-(EX)2
证明:P112.
例1 P112
例2 P112
(第一版)
例4:设X(),求D(X)
例5:已知 ,求
二.方差的性质
性质1:若C为常数,则
D(C)=0
性质2:若C为常数,随机变量X的方差存在,则CX的方差存在,且
D(CX)=C2D(X)
证明由自己完成
性质3:若随机变量X,Y相互独立,它们的方差都存在,则XY的方差也存在,且
D(XY)=D(X)+D(Y)
证明:P113
推论:若随机变量X1,X2,…,Xn相互独立,它们的方差都存在,则X1+X2+...+Xn的方差存在,且
性质4:若随机变量X的方差存在,对任意的常数CE(X),则
D(X)= E(X-C)2
即函数g(C)=E(X-C)2在C=E(X)处达到最小值D(X)。
性质5若D(X)存在,则D(X)=0的充要条件是:
P(X=E(X))=1
例3 P113
第一版例:
例6:X服从 B(n,p),求D(X).
例7:某种商品每件表面上的疵点数X服从泊松分布,平均每件上有0.8个疵点。若规定表面不超过一个疵点的为一等品,价值十元,表面疵点数大于1不多于4的为二等品,价值8元。某件表面疵点数是4个以上着为废品,求产品价值的均值和方差。
已知
设产品价值为
取值
0 8 10
X (X>4) ( )
(X )
P( Y=k) P(X>4=
1-0.8088
-0.1898 P( )
=P( )-
P( )
=[1-P( )]
-[1-P( )]
=0.1898 P(X )
=1-
P(X )
=0.8088
元
例 :设随机变量X的方差D(X)存在,且D(X)0令 ,其中E(X)是X的数学期望,求 。
三.契比雪夫不等式(Chebyshev)
契比雪夫不等式:设随机变量X的方差D(X)存在,则对任意的0,均有
P{X-E(X)}
或等价地
P{X-E(X)}1-
例:P{X-E(X)3σ}0.8889
P{X-E(X)4σ}0.9375
解:P{X-E(X)3σ}1-
=1-
P{X-E(X)4σ}1-
Data;
A=8/9; put a=;
A=15/16; put a=;
Run;
A=0.8888888889
A=0.9375
§4.3 几种生要随机变量的数学期望与方差
P115
这部分结果很重要,要牢记。
P117, 关于正态随机变量的三个重要数据:
=0.6826894921
=0.9544997361
=0.9973002039
SAS的两种计算公式:
data;
p1=PROBNORM(1)-PROBNORM(-1); put p1=;
p2= PROBNORM(2)-PROBNORM(-2); put p2=;
p3= PROBNORM(3)-PROBNORM(-3); put p3=;
run;
p1=0.6826894921
p2=0.9544997361
p3=0.9973002039
data;
p1=2*PROBNORM(1)-1; put p1=;
p2=2*PROBNORM(2)-1; put p2=;
p3=2*PROBNORM(3)-1; put p3=;
run;
p1=0.6826894921
p2=0.9544997361
p3=0.9973002039
也可以验证数据,即以 为中心,需要几倍的标准差 距离所构成的区间,其区间内的概率为上述所示。
Data;
q1=abs(probit((1-0.6826894921)/2));put q1=;
q2=abs(probit((1-0.9544997361)/2));put q2=;
q3=abs(probit((1-0.9973002039)/2));put q3=;
run;
q1=0.9999999999
q2=2
q3=2.9999999959
data;
q1=probit(1-(1-0.6826894921)/2);put q1=;
q2=probit(1-(1-0.9544997361)/2);put q2=;
q3=probit(1-(1-0.9973002039)/2);put q3=;
run;
q1=0.9999999999
q2=2
q3=2.9999999959
注意: 为中心,概率为90%,95%,98%,99%的区间,需要几倍的标准差 距离。
Data;
q1=abs(probit((1-0.9)/2));put q1=;
q2=abs(probit((1-0.95)/2));put q2=;
q3=abs(probit((1-0.98)/2));put q3=;
q3=abs(probit((1-0.99)/2));put q3=;
run;
q1=1.644853627
q2=1.9599639845
q3=2.326347874
q3=2.5758293035
比如,
=0.95
=0.9
等的结论也是常用的。几乎都成常识了。
书示附表1中列出了多种常用的随机变量的数据期望和方差。
§4.4 协方差及相关系数
一.协方差与相关系数的概念
1.定义
定义4.4: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)用定义计算
若二维离散型随机变量(X,Y)的联合概率分布律 i,j=1,2,,且Cov(X,Y)存在,则
Cov(X,Y)=
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
(2)、公式
在计算Cov(X,Y)时,除用定义外,有时用下述公式较方便:
Cov(X,Y)=E(XY)-E(X)E(Y)
第一版例:不讲。
例 :设(X,Y)在圆域 上服从均匀分布,判断X,Y是否不相关。并求Cov(X,Y)。
例 :设(X,Y)的联合分布律为
其中
求 Cov(X,Y),并讨论X,Y的相关性。
说明:
(1)Cov(X,Y)能反映X与Y之间某种联系的程度。
(2)Cov(X,Y)是有量纲的量,其值与(X,Y)的取值单位有关。
3.相关系数
定义4.5:若二维随机变量(X,Y)的分量的方差D(X),D(Y)都存在,且D(X)0,D(Y)0,则称 为X,Y的相关系数,记为XY,即
XY=
定义4.6:若XY=0则称X,Y不相关;
若 称X,Y正相关;
若 则称X,Y负相关。
4.随机变量X,Y独立性与不相关的关系
(1)一般情况下,设 存在,若X,Y相互独立,
则 ,即X,Y不相关。
反之,X,Y不相关,但X,Y不一定独立。
如例 :(书4.31)(X,Y)在 上均匀分布。可知X,Y 不相关,但X,Y不独立。
(2)特别,对于二维正态分布(X,Y)服从
X,Y相互独立 X,Y不相关。
二 协方差与相关系数的性质
1.性质
性质1:若X,Y的协方差Cov(X,Y)存在,则
E(XY)=E(X)E(Y)+Cov(X,Y)
性质2:若(X,Y)两个分量的方差都存在,则
D(XY)=D(X)+D(Y)2Cov(X,Y)
推论:若(X1,X2,,...Xn)各分量的方差都存在,则
性质3:设下述各式所出现的协方差都存在,则有
Cov(X,Y)=Cov(Y,X)
Cov(aX,Y)=a Cov(X,Y)
Cov(X,X)=D(X)
Cov(a,X)=0 其中a为常数
例3(第一版):设(X,Y)~ ,求
Cov(2X+Y, )
性质4:若 X,Y的相关系数 存在,则
(1) 1;
(2) =1的充要条件是:存在常数a,b 且a0,使得概率为1的有Y=aX+b, 即
P(Y=aX+b)=1
证法一见书P-120.
几点说明:
(1) 由性质的证明可见: ,a>0 ,这时称X与Y完全正相关; ,a<0,这时称X与Y完全负相关。
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)可能取的值概率为1的集中在一条直线上。
(2)相关系数 是用来刻画X,Y 线性相关性程度的一个数量。当 越接近于1时,X与Y之间越近似有线性关系;当 较小时, X与Y之间不能认为有近似的线性关系。
(3) 当 时,X,Y不相关,X,Y之间没有线
性关系。这时,X,Y之间的关系较复杂;可能X,Y相互独立(如二维正态分布),可能(X,Y)在平面的某个区域内服从均匀分布(如例4.31),可能X,Y之间有某种非线性的函数关系(如下面的例4.33)。
例1 P121
§4.5 矩、协方差矩阵
定义4.7:设二维随机变量(X,Y),k,l为非负整数。
若E(Xk)存在,则称它为X的k阶原点矩,简称k阶矩;
若E{[X-EX]k}, k=1,2,….存在,则称它为X的k阶中心矩。
若E(XkYl)存在,则称它为X和Y的(k,l)阶混合矩,记作m kl, 即mkl=E(XkYl);
若E[(X-E(X))k(Y-E(Y))l]存在,则称它为X和Y的(k,l)阶混合中心矩,记作kl, 即kl=E[(X-E(X))k(Y-E(Y))l]。
显然,数学期望E(X)是X的一阶矩,方差D(X)是X的二阶中心矩,协方差Cov(X,Y)是X和Y的(1,1)阶混合中心矩.
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.这由X1+Xk,即得
EXl1+EXk
(2) 原点矩与中心矩可相互表示。
协方差矩阵
P123—125.
略。
本章练习题
5,6,7,8,9,10,15(1),16,17,22,23,26,28.
随机变量的数字特征
第四章 随机变量的数字特征
讨论随机变量数字特征的原因
(1) 在实际问题中,有的随机变量的概率分布
难确定,有的不可能知道,而它的一些数字特征较易确定。
(2)实际应用中,人们更关心概率分布的数字特征。
(3)一些常用的重要分布,如二项分布、泊松
分布、指数分布、正态分布等,只要知道了它们的某些数字特征,就能完全确定其具体的分布。
§4.1 数学期望
一、数学期望的概念
1.离散性随机变量的数学期望
例4.1:大学一年级某班有32名同学,年龄情况如下:
年龄 17 18 19 20 21 22
人数 2 7 10 8 4 1
求该班同学的平均年龄。
解:
平均年龄=
把上式改写为:
设X为从该班任选一名同学的年龄,其概率分布为
X 17 18 19 20 21 22
P 2/32 7/32 10/32 8/32 4/32 1/32
定义4.1:设离散型随机变量X的分布列为:
x1 x2 x3 …. xk ….
p1 p2 p3 …. Pk ….
若 绝对收敛(即 ),则称它为X的数学期望或均值(此时,也称X的数学期望存在),记为E(X),即
若 发散,则称X的数学期望不存在。
说明:
(1)随机变量的数学期望是一个实数,它体现了随机变量取值的平均;
(2) 要注意数学期望存在的条件: 绝对
收敛;
(3) 当X服从某一分布时,也称某分布的数学
期望为EX 。
例4.2:设X服从参数为p的两点分布,求EX
EX=p
例4.3:设XB(n,p),求EX
EX=np
例4.4:设X服从参数为的泊松分布,求EX
EX=
2.连续型随机变量的数学期望
定义4.2: 设连续型随机变量X 的概率密度为f(x).若积分 绝对收敛,(即 ),则称它为X的数学期望或均值(此时,也称X的数学期望存在),记为E(X),即
若 ,则称X的数学期望不存在。
例4.5:设X服从U[a,b],求E(X)。
EX=
例4.6:设X服从参数为的指数分布,求EX
EX=
例4.7: ,求EX
EX=
下面分析书上P101---P104例。
例1 P101
例2 P101
例3 P102---103
解:注意由于8:00~9:00, 9:00~10:00都恰有一辆车到站,所以(i)8:00到车站的旅客在8:50前一定会上车,而(ii)8:20到车站的旅客则可以直到9:50才会上车。
例4 P103
3.随机变量函数得数学期望
定理4.1:设随机变量X的函数为Y =g(X),
(1) 若离散型随机变量X的分布律为
,k =1,2,… , 绝对收敛,则Y的数学期望存在,且
(2) 若连续型随机变量X的概率密度为
f(x), Y =g(X)也是连续型随机变量, 绝对收敛,则Y的数学期望存在,且
定理4.2:设二维随机变量(X ,Y )的函数Z=g(x,y)
(1) 若二维离散型随机变量(X,Y)的联合分布律
为
且有 绝对收敛,则Z的数学期望存在,且
(2) 若二维连续型随机变量(X,Y)的联合概率密
度为 f (x,y),Z=g(X,Y) 也是连续型随机变量,并且 绝对收敛,则Z的数学期望存在,且
例5 P106
例6 P107
例7 P107
以下为第一版例。
例4.8:设XU0,,Y= ,求E(Y )。
例4.9:设(X,Y)的联合分布律为
其中
求E(XY)。
二.数学期望的性质
性质1:若c为常数,则
E(c)=c。
性质2:若c为常数,随机变量X 的数学期望存在,则:cX的数学期望存在,且E(cX)=cE(X)
性质3:若二维随机变量(X,Y)的分量X,Y的数学期望都存在,则X+Y的数学期望存在,且
E(X+Y)=E(X)+E(Y)
推论:若n维随机变量(X1,X2,..., )的分量X1,X2,..., 的数学期望都存在,则X1 + X2 +...+ 的数学期望存在,且
性质4:若随机变量X,Y相互独立,它们的数学期望都存在,则X•Y的数学期望存在,且
推论:若随机变量X1,X2,....,Xn相互独立,它们的数学期望都存在,则X1X2…Xn的数学期望存在,且
性质5:若随机变量只取非负值,又E(X)存在,则E(X)0。
若 对任何 , 存在,则
。
特别地,若 为常数, 存在,则 。
例8 P109
例9 P110
第一版例
例4.14:设一批同类型的产品共有N件,其中次品有M件。今从中任取n(假定n≤N-M)件,记这n件中所含次品数为X,求E(X)。
三.综合性的例题(第一版)
例:设X的概率密度为
,
其中a,b为常数,且E(X)= 。求a,b的值。
注意:f(x)中有几个未知数要建几个方程来求之。
例: 射击比赛规定:每位射手向目标独立重复射击四法子弹,全未中的0分,仅中一发得15分,恰中两发得30分,恰中三发得55分,全中得100分。若某射手的命中率为0.6,求他得分的数学期望。
例:某水果商店,冬季每周购进一批苹果。已知该店一周苹果销售量X(单位:kg)服从U[1000,2000]。购进的苹果在一周内售出,1kg获纯利1.5元;一周内没售出,1kg需付耗损、储藏等费用0.3元。问一周应购进多少千克苹果,商店才能获得最大的平均利润。
§4-2 方差
一.方差的概念
1、定义4.3:设 随机变量X的数学期望为E(X),若E(X-E(X))2存在,则称它为X的方差(此时,也称X的方差存在),记为D(X)或Var(X),即
D(X)=E(X-E(X))2
称D(X)的算术平方根 为X的标准差或均方差,记为 ,即
由数学期望的性质5知,若随机变量X的方差D(X)存在,则D(X)0。简言之,方差是一个非负实数。
当X服从某分布时,我们也称某分布的方差为D(X)。
2、计算方差
(1)若X是离散型随机变量,其分布律为pi=P(X=xi),i=1,2,...,且D(X)存在,则
(2)若X是连续型随机变量,其概率密度为f(x),且D(X)存在,则
(第一版)
例1:设XB(1,p),求D(X)
例2:设XN(,2),求D(X)
例3:设XU[a,b],求D(X)
(3)D(X)=E(X2)-(EX)2
证明:P112.
例1 P112
例2 P112
(第一版)
例4:设X(),求D(X)
例5:已知 ,求
二.方差的性质
性质1:若C为常数,则
D(C)=0
性质2:若C为常数,随机变量X的方差存在,则CX的方差存在,且
D(CX)=C2D(X)
证明由自己完成
性质3:若随机变量X,Y相互独立,它们的方差都存在,则XY的方差也存在,且
D(XY)=D(X)+D(Y)
证明:P113
推论:若随机变量X1,X2,…,Xn相互独立,它们的方差都存在,则X1+X2+...+Xn的方差存在,且
性质4:若随机变量X的方差存在,对任意的常数CE(X),则
D(X)= E(X-C)2
即函数g(C)=E(X-C)2在C=E(X)处达到最小值D(X)。
性质5若D(X)存在,则D(X)=0的充要条件是:
P(X=E(X))=1
例3 P113
第一版例:
例6:X服从 B(n,p),求D(X).
例7:某种商品每件表面上的疵点数X服从泊松分布,平均每件上有0.8个疵点。若规定表面不超过一个疵点的为一等品,价值十元,表面疵点数大于1不多于4的为二等品,价值8元。某件表面疵点数是4个以上着为废品,求产品价值的均值和方差。
已知
设产品价值为
取值
0 8 10
X (X>4) ( )
(X )
P( Y=k) P(X>4=
1-0.8088
-0.1898 P( )
=P( )-
P( )
=[1-P( )]
-[1-P( )]
=0.1898 P(X )
=1-
P(X )
=0.8088
元
例 :设随机变量X的方差D(X)存在,且D(X)0令 ,其中E(X)是X的数学期望,求 。
三.契比雪夫不等式(Chebyshev)
契比雪夫不等式:设随机变量X的方差D(X)存在,则对任意的0,均有
P{X-E(X)}
或等价地
P{X-E(X)}1-
例:P{X-E(X)3σ}0.8889
P{X-E(X)4σ}0.9375
解:P{X-E(X)3σ}1-
=1-
P{X-E(X)4σ}1-
Data;
A=8/9; put a=;
A=15/16; put a=;
Run;
A=0.8888888889
A=0.9375
§4.3 几种生要随机变量的数学期望与方差
P115
这部分结果很重要,要牢记。
P117, 关于正态随机变量的三个重要数据:
=0.6826894921
=0.9544997361
=0.9973002039
SAS的两种计算公式:
data;
p1=PROBNORM(1)-PROBNORM(-1); put p1=;
p2= PROBNORM(2)-PROBNORM(-2); put p2=;
p3= PROBNORM(3)-PROBNORM(-3); put p3=;
run;
p1=0.6826894921
p2=0.9544997361
p3=0.9973002039
data;
p1=2*PROBNORM(1)-1; put p1=;
p2=2*PROBNORM(2)-1; put p2=;
p3=2*PROBNORM(3)-1; put p3=;
run;
p1=0.6826894921
p2=0.9544997361
p3=0.9973002039
也可以验证数据,即以 为中心,需要几倍的标准差 距离所构成的区间,其区间内的概率为上述所示。
Data;
q1=abs(probit((1-0.6826894921)/2));put q1=;
q2=abs(probit((1-0.9544997361)/2));put q2=;
q3=abs(probit((1-0.9973002039)/2));put q3=;
run;
q1=0.9999999999
q2=2
q3=2.9999999959
data;
q1=probit(1-(1-0.6826894921)/2);put q1=;
q2=probit(1-(1-0.9544997361)/2);put q2=;
q3=probit(1-(1-0.9973002039)/2);put q3=;
run;
q1=0.9999999999
q2=2
q3=2.9999999959
注意: 为中心,概率为90%,95%,98%,99%的区间,需要几倍的标准差 距离。
Data;
q1=abs(probit((1-0.9)/2));put q1=;
q2=abs(probit((1-0.95)/2));put q2=;
q3=abs(probit((1-0.98)/2));put q3=;
q3=abs(probit((1-0.99)/2));put q3=;
run;
q1=1.644853627
q2=1.9599639845
q3=2.326347874
q3=2.5758293035
比如,
=0.95
=0.9
等的结论也是常用的。几乎都成常识了。
书示附表1中列出了多种常用的随机变量的数据期望和方差。
§4.4 协方差及相关系数
一.协方差与相关系数的概念
1.定义
定义4.4: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)用定义计算
若二维离散型随机变量(X,Y)的联合概率分布律 i,j=1,2,,且Cov(X,Y)存在,则
Cov(X,Y)=
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
(2)、公式
在计算Cov(X,Y)时,除用定义外,有时用下述公式较方便:
Cov(X,Y)=E(XY)-E(X)E(Y)
第一版例:不讲。
例 :设(X,Y)在圆域 上服从均匀分布,判断X,Y是否不相关。并求Cov(X,Y)。
例 :设(X,Y)的联合分布律为
其中
求 Cov(X,Y),并讨论X,Y的相关性。
说明:
(1)Cov(X,Y)能反映X与Y之间某种联系的程度。
(2)Cov(X,Y)是有量纲的量,其值与(X,Y)的取值单位有关。
3.相关系数
定义4.5:若二维随机变量(X,Y)的分量的方差D(X),D(Y)都存在,且D(X)0,D(Y)0,则称 为X,Y的相关系数,记为XY,即
XY=
定义4.6:若XY=0则称X,Y不相关;
若 称X,Y正相关;
若 则称X,Y负相关。
4.随机变量X,Y独立性与不相关的关系
(1)一般情况下,设 存在,若X,Y相互独立,
则 ,即X,Y不相关。
反之,X,Y不相关,但X,Y不一定独立。
如例 :(书4.31)(X,Y)在 上均匀分布。可知X,Y 不相关,但X,Y不独立。
(2)特别,对于二维正态分布(X,Y)服从
X,Y相互独立 X,Y不相关。
二 协方差与相关系数的性质
1.性质
性质1:若X,Y的协方差Cov(X,Y)存在,则
E(XY)=E(X)E(Y)+Cov(X,Y)
性质2:若(X,Y)两个分量的方差都存在,则
D(XY)=D(X)+D(Y)2Cov(X,Y)
推论:若(X1,X2,,...Xn)各分量的方差都存在,则
性质3:设下述各式所出现的协方差都存在,则有
Cov(X,Y)=Cov(Y,X)
Cov(aX,Y)=a Cov(X,Y)
Cov(X,X)=D(X)
Cov(a,X)=0 其中a为常数
例3(第一版):设(X,Y)~ ,求
Cov(2X+Y, )
性质4:若 X,Y的相关系数 存在,则
(1) 1;
(2) =1的充要条件是:存在常数a,b 且a0,使得概率为1的有Y=aX+b, 即
P(Y=aX+b)=1
证法一见书P-120.
几点说明:
(1) 由性质的证明可见: ,a>0 ,这时称X与Y完全正相关; ,a<0,这时称X与Y完全负相关。
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)可能取的值概率为1的集中在一条直线上。
(2)相关系数 是用来刻画X,Y 线性相关性程度的一个数量。当 越接近于1时,X与Y之间越近似有线性关系;当 较小时, X与Y之间不能认为有近似的线性关系。
(3) 当 时,X,Y不相关,X,Y之间没有线
性关系。这时,X,Y之间的关系较复杂;可能X,Y相互独立(如二维正态分布),可能(X,Y)在平面的某个区域内服从均匀分布(如例4.31),可能X,Y之间有某种非线性的函数关系(如下面的例4.33)。
例1 P121
§4.5 矩、协方差矩阵
定义4.7:设二维随机变量(X,Y),k,l为非负整数。
若E(Xk)存在,则称它为X的k阶原点矩,简称k阶矩;
若E{[X-EX]k}, k=1,2,….存在,则称它为X的k阶中心矩。
若E(XkYl)存在,则称它为X和Y的(k,l)阶混合矩,记作m kl, 即mkl=E(XkYl);
若E[(X-E(X))k(Y-E(Y))l]存在,则称它为X和Y的(k,l)阶混合中心矩,记作kl, 即kl=E[(X-E(X))k(Y-E(Y))l]。
显然,数学期望E(X)是X的一阶矩,方差D(X)是X的二阶中心矩,协方差Cov(X,Y)是X和Y的(1,1)阶混合中心矩.
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.这由X1+Xk,即得
EXl1+EXk
(2) 原点矩与中心矩可相互表示。
协方差矩阵
P123—125.
略。
本章练习题
5,6,7,8,9,10,15(1),16,17,22,23,26,28.
随机变量的数字特征
[下载声明]
1.本站的所有资料均为资料作者提供和网友推荐收集整理而来,仅供学习和研究交流使用。如有侵犯到您版权的,请来电指出,本站将立即改正。电话:010-82593357。
2、访问管理资源网的用户必须明白,本站对提供下载的学习资料等不拥有任何权利,版权归该下载资源的合法拥有者所有。
3、本站保证站内提供的所有可下载资源都是按“原样”提供,本站未做过任何改动;但本网站不保证本站提供的下载资源的准确性、安全性和完整性;同时本网站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损失或伤害。
4、未经本网站的明确许可,任何人不得大量链接本站下载资源;不得复制或仿造本网站。本网站对其自行开发的或和他人共同开发的所有内容、技术手段和服务拥有全部知识产权,任何人不得侵害或破坏,也不得擅自使用。
我要上传资料,请点我!
管理工具分类
ISO认证 课程讲义 管理表格 合同大全 法规条例 营销资料 方案报告 说明标准 管理战略 商业计划书 市场分析 战略经营 策划方案 培训讲义 企业上市 采购物流 电子商务 质量管理 企业名录 生产管理 金融知识 电子书 客户管理 企业文化 报告论文 项目管理 财务资料 固定资产 人力资源 管理制度 工作分析 绩效考核资料 面试招聘 人才测评 岗位管理 职业规划 KPI绩效指标 劳资关系 薪酬激励 人力资源案例 人事表格 考勤管理 人事制度 薪资表格 薪资制度 招聘面试表格 岗位分析 员工管理 薪酬管理 绩效管理 入职指引 薪酬设计 绩效管理 绩效管理培训 绩效管理方案 平衡计分卡 绩效评估 绩效考核表格 人力资源规划 安全管理制度 经营管理制度 组织机构管理 办公总务管理 财务管理制度 质量管理制度 会计管理制度 代理连锁制度 销售管理制度 仓库管理制度 CI管理制度 广告策划制度 工程管理制度 采购管理制度 生产管理制度 进出口制度 考勤管理制度 人事管理制度 员工福利制度 咨询诊断制度 信息管理制度 员工培训制度 办公室制度 人力资源管理 企业培训 绩效考核 其它
精品推荐
- 1C语言难点及分析 416
- 2暗促-酒店玫瑰静悄悄地开 719
- 3终端陈列十五大原则 776
- 4****主营业务发展战略设计 687
- 5中小企业物流发展的对策 769
- 6主顾开拓 817
- 7主动推进的客户服务 632
- 8专业媒体策划与购买 689
- 9中远电视广告CF 800
下载排行
- 1社会保障基础知识(ppt) 16695
- 2安全生产事故案例分析(ppt 16695
- 3行政专员岗位职责 16695
- 4品管部岗位职责与任职要求 16695
- 5员工守则 16695
- 6软件验收报告 16695
- 7问卷调查表(范例) 16695
- 8工资发放明细表 16695
- 9文件签收单 16695


