0,DY>0,则称 为随机变量X,Y的相关系数。若ρXY=0则称X,Y不相关1.3 随机变量的数字特征1.3 随机变量的数字特征 根据定理1.3.1,若X的分布函数为F(x)则 当X是离散型随机变量是,其分布律为 P(X=xi)=pi, i=1,2,… 则 当X是连续型随机变量时,其概率密度为f(x),则
1.3 随机变量的数字特征1.3 随机变量的数字特征 根据定理1.3.2,若(X,Y)的联合分布函数为F(x,y) 则 当(X,Y)是离散型随机变量时,其联合分布律为 P(X=xi,Y=yi)=pij, i,j=1,2,… 则 当(X,Y)是连续型随机变量时,其联合概率密度为f(x,y) 则1.3 随机变量的数字特征1.3 随机变量的数字特征随机变量的数学期望和方差具有下列5个性质 (1) 设a,b是任意的常数,则E(aX+bY)=aEX+bEY; (2) 设X,Y相互独立,则EXY=EXEY;
(3) 设a,b是任意的常数,X,Y相互独立,则 D(aX+bY)=a2DX+b2DY (4) 设E|X|2<+∞, E|Y|2<+∞则(EXY)2≤EX2+EY2; (5) 设Xn≥0,n=1,2,…,则 称不等式(EXY)2≤EX2+EY2为Schwarz不等式。1.3 随机变量的数字特征1.3 随机变量的数字特征例1.3.1 设X是随机变量,若E|X|r<+∞ ,r>0则称EXr 为随机变量的r阶,设随机变量X的r阶矩存在,则 证明 设X的分布函数为F(X),则
即
称不等式 为马尔科夫不等式1.3 随机变量的数字特征1.3 随机变量的数字特征 特别地,在马尔科夫不等式中令r=2,将X换成X-EX 可得重要的Chebyshv不等式.
定理1.3.3 设X是随机变量,则DX=0的充要条件是P(X=C)=1(C是常数)。1.3 随机变量的数字特征1.3 随机变量的数字特征 对于多个随机变量,方差和协方差之间具有下列重要的性质。 设X1,X2,…,Xn是n个随机变量,则
例1.3.2 (Montmort配对问题) n个人将自己的帽子放在一起,充分混合后每人随机地取出一顶帽子,试求出选中自己帽子的人数的均值和方差.1.3 随机变量的数字特征1.3 随机变量的数字特征 解 设X示选中自己帽子的人数,令 第i个人选中自己的帽子 否则 i=1,2,…,n,则 又 从而1.3 随机变量的数字特征1.3 随机变量的数字特征 所以 由 得 而当i≠j时1.3 随机变量的数字特征1.3 随机变量的数字特征 所以
1.3 随机变量的数字特征1.3 随机变量的数字特征定义1.3.7 设X=(X1,X2,…,Xn)是n维随机变量,则称 为n维随机变量X=(X1,X2,…,Xn)的均值向量。称 n维随机变量X=(X1,X2,…,Xn)的协方差矩阵1.3 随机变量的数字特征1.3 随机变量的数字特征定理1.3.4 设B是n维随机变量的协方差矩阵,则B是非负定矩阵. 证明 由于对任意的n个实数t1,t2,…,tn二次型 即二次型 是非负定的,因而矩阵B非负定.第1章 概率论基础第1章 概率论基础1.1 概率空间
1.2 随机变量及分布
1.3 随机变量的数字特征
1.4 随机变量的特征函数
1.5 n维正态随机变量
1.6 条件数学期望1.4 随机变量的特征函数1.4 随机变量的特征函数定义1.4.1 设(Ω, F ,P)是一概率空间,X,Y都是F 的实值变量,则称 为复随机变量。 复随机变量Z是取复值的随机变量,它的数学期望定义为 若X是实值随机变量,则ejtX应是复随机变量。
1.4 随机变量的特征函数1.4 随机变量的特征函数定义1.4.2 设X是(实)随机变量,其分布函数为F(x)则称 为随机变量X的特征函数. 由于ejtX =costX,+jsintX,因此X的特征函数也可以表示为 1.4 随机变量的特征函数1.4 随机变量的特征函数 当X是离散型随机变量时,其分布律为 P(X=xi)=pi,i=1,2,… 则 当X是连续型随机变量时,其概率密度函数为f(x)则 由于 因此随机变量X的特征函数ψ(t)总存在。1.4 随机变量的特征函数1.4 随机变量的特征函数例1.4.1 设X服从单点分布,即P(X=c)=1,其中c为常数,则X的特征函数 例1.4.2 设X~B(n,p)即 k=0,1,2,…,n,00则X的特征函数
例1.4.4 设X服从区间[a,b]上的均匀分布,即X的概率密度函数为
则X的特征函数 1.4 随机变量的特征函数1.4 随机变量的特征函数例1.4.5 设X~N(μ,σ2),即X的概率密度函数为
则X的特征函数 1.4 随机变量的特征函数1.4 随机变量的特征函数 特别的,若X~N(0,1) ,则特征函数
例1.4.6 设X服从参数为λ(λ>0)的指数分布,即X的概率密度函数为 则X的特征函数
1.4 随机变量的特征函数1.4 随机变量的特征函数随机变量的特征函数φ(t)具有下列7条性质 (1) (2) 其中 表示 的共轭; (3) 设随机变量Y=aX+b,其中a,b是常数,则 其中 分别表示随机变量X,Y的特征函数了。 (4) 在(﹣∞,+∞)上一致连续。1.4 随机变量的特征函数1.4 随机变量的特征函数 (5)设随机变量X,Y相互独立,又Z=X+Y,则
此式表明两个相互独立的随机变量之和的特征函数等于各自特征函数的乘积。 (6) 是非负定的,即对于任意的正整数n,任意复数 z1,z2,…,zn和任意实数t1,t2,…,tn,有 1.4 随机变量的特征函数1.4 随机变量的特征函数 (7) 设随机变量X的n阶原点矩存在,则 存在k(k≤n)阶导数,且
例1.4.7 设X~π(λ),求EX,EX2,DX. 解 由于X~π(λ),因而 故1.4 随机变量的特征函数1.4 随机变量的特征函数例1.4.8 设X~N(0,σ2),求EXn 解 因为 所以 从而
1.4 随机变量的特征函数1.4 随机变量的特征函数 在连续概率分布的情况下,特征函数 因此f(t)应当是 的反演,根据积分理论,在 绝对可积的条件下,即 的条件下有反演公式 且反演是唯一的.
1.4 随机变量的特征函数1.4 随机变量的特征函数定理1.4.1 设随机变量X的分布函数为F(x),特征函数为 ,则对F(x)的连续点x1,x2,有
定理1.4.2 随机变量X的分布函数F(x)被它的特征函数 惟一地确定。 由此定理可见,随机变量的概率分布函数与特征函数是一一对应的。1.4 随机变量的特征函数1.4 随机变量的特征函数例1.4.9 设X1,X2,…,Xn相互独立,且Xk~π(λk),k=1,2,…,n试用特征函数证明 证明 由于X1,X2,…,Xn相互独立, Xk~π(λk),k=1,2,…,n 故 从而 所以1.4 随机变量的特征函数1.4 随机变量的特征函数例1.4.10 设X1,X2,…,Xn相互独立,且Xk~N(μk,σk2), k=1,2,…,n, 试用特征函数求随机变量 的概率分布 解 由于X1,X2,…,Xn相互独立,且Xk~N(μk,σk2), k=1,2,…,n 故 从而 所以1.4 随机变量的特征函数1.4 随机变量的特征函数定理1.4.3(Bochner-Khintchine定理) 设φ(t)满足φ(0)=1 ,且在﹣∞0 .1.4 随机变量的特征函数1.4 随机变量的特征函数若X是连续型的非负值随机变量,其概率密度函数为f(x), 则 称 为f(x)的Laplace变换,记为 f(x)称为 的Laplace反变换,它们相互唯一确定
第1章 概率论基础第1章 概率论基础1.1 概率空间
1.2 随机变量及分布
1.3 随机变量的数字特征
1.4 随机变量的特征函数
1.5 n维正态随机变量
1.6 条件数学期望1.5 n维正态随机变量1.5 n维正态随机变量在概率论中,若(X1,X2)~N( ),则二维正态随机变量(X1,X2)的联合概率密度函数为 其中, ρ为随机变量X1,X2的相关系数。1.5 n维正态随机变量1.5 n维正态随机变量下面用向量和矩阵的形式来表示二维正态分布的联合概率密度函数.为此,令 x=(x1,x2), μ=(μ1μ2) , 于是 1.5 n维正态随机变量1.5 n维正态随机变量 所以 =(x-μ)B-1(x-μ)T 于是1.5 n维正态随机变量1.5 n维正态随机变量定义1.5.1 设X=(X1,X2,…,Xn)是n维随机变量,如果其联合概率密度函数为 其中 则称X=(X1,X2,…,Xn)服从μ为均值向量、B为协方差矩阵的n维正态分布,记为X~N(μ, B).1.5 n维正态随机变量1.5 n维正态随机变量定理1.5.1 设X~N(μ,B),则存在n阶正交矩阵A,使得
Y=(Y1,Y2,…,Yn)=(X-μ)AT 是n维独立正态随机变量,即Y1,Y2,…,Yn相互,且Yk~N(0,dk),其中dk>0是B的特征值,k=1,2,…,n。
定理1.5.2 设X~N(μ,B) ,则X的特征函数
1.5 n维正态随机变量1.5 n维正态随机变量定理1.5.3 设X=(X1,X2,…,Xn)~N(μ,B) (1) 若l1,l2,….ln是常数,则 服从一维正态分布 其中,μk=EXk, k=1,2,…,n. (2) 若m0,且若对于任意 实数x ,极限 存在,则称此极限为(X,Y)关于X在条件Y=y下的条件分布函数,记为P(X≤x|Y=y)或是FX|Y(x|y)1.6 条件数学期望1.6 条件数学期望设(X,Y)的联合分布函数为F(x,y),联合概率密度函数为 f(x,y),若在点(x,y)处 f(x,y)连续,边缘概率密度函数fY(y)连续,且fY(y)>0,则有 1.6 条件数学期望1.6 条件数学期望 即 所以(X,Y)关于X在条件Y=y下的条件概率密度函数为 类似地, 条件分布的概念完全可推广到n维随机变量的情形1.6 条件数学期望1.6 条件数学期望定义1.6.3 设(X,Y)是二维随机变量, FX|Y(x|y) , FY|X(y|x)分别是X和Y的条件分布函数,则称 为X在条件Y=y 下的条件数学期望.称 为Y在条件X=x 下的条件数学期望. 由于E(X|y)是随机变量Y 可能取值y的函数,因此E(X|Y)是随机变量Y的函数,称为X在条件Y下的条件数学期望;
类似地,称随机变量X的函数E(Y|X) 为Y在条X下的条件数学期望.1.6 条件数学期望1.6 条件数学期望若X,Y是离散型随机变量,其可能取值分别是x1,x2,… 和 y1,y2,…,则
若X,Y是连续型随机变量,则 1.6 条件数学期望1.6 条件数学期望定义1.6.4 设X=(X1,X2,…,Xn)是n维随机变量, 为Xi的条件分布函数,则称 为Xi在条件X1=x1,…,Xi-1=xi-1,Xi+1=xi+1,…,Xn=xn下的条件数学期望. 称E(Xi|X1,…,Xi-1,Xi+1,…,Xn)为Xi在条件X1,…,Xi-1,Xi+1,…,Xn下的条件数学期望。1.6 条件数学期望1.6 条件数学期望定理1.6.1 E(E(Xi|X1,…,Xi-1,Xi+1,…,Xn))=EXi
定理1.6.2 设X1,X2,…,Xn相互独立,则 E(Xi|X1,…,Xi-1,Xi+1,…,Xn)=EXi
定理1.6.3 设X=(X1,X2,…,Xn)是n维随机变量, g(x1,…,xi-1,xi+1,…,xn)是连续函数,则 E(Xig(X1,…,Xi-1,Xi+1,…,Xn)| X1,…,Xi-1,Xi+1,…,Xn) = g(X1,…,Xi-1,Xi+1,…,Xn) E(Xi|X1,…,Xi-1,Xi+1,…,Xn)1.6 条件数学期望1.6 条件数学期望定理1.6.4 设X=(X1,X2,…,Xn)是n维随机变量,k