ProbStat 3.3

多维随机变量及其联合分布
随机变量的独立性
多维r.v.的特征数
中心极限定理
华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

多维随机变量及其联合分布多维r.v.函数的数学期望
随机变量的独立性数学期望与方差的性质
多维r.v.的特征数协方差
中心极限定理相关系数
3.3.1 多维r.v.函数的数学期望
复习: 一维r.v.函数的数学期望
离散场合
( P∞
g (xi )pi ,
E [g (X )] = R ∞i=1
−∞ g (x)p(x)dx, 连续场合
定理3.1 (二维r.v.函数的数学期望)
离散场合
( P∞ P∞
g (xi , yj )pij ,
E [g (X , Y )] =
连续场合
R ∞i=1R ∞ j=1
−∞ −∞ g (x, y )p(x, y )dx,
其中p 和p(x, y )分别为r.v.(X , Y )在离散和连续场合的分布列和

密度函数.
ij

3.3.1 多维r.v.函数的数学期望
复习: 一维r.v.函数的数学期望
离散场合
( P∞
g (xi )pi ,
E [g (X )] = R ∞i=1
−∞ g (x)p(x)dx, 连续场合
定理3.1 (二维r.v.函数的数学期望)
离散场合
( P∞ P∞
g (xi , yj )pij ,
E [g (X , Y )] =
连续场合
R ∞i=1R ∞ j=1
−∞ −∞ g (x, y )p(x, y )dx,
其中p 和p(x, y )分别为r.v.(X , Y )在离散和连续场合的分布列和

密度函数.
ij

例3.3.1
例3.3.1:
在长为1 的线段上任取两点X 与Y，求两点间的平均长度, 即
求E (|X − Y |)
解:
E (|X − Y |) = 31 .

例3.3.1
例3.3.1:
在长为1 的线段上任取两点X 与Y，求两点间的平均长度, 即
求E (|X − Y |)
解:
E (|X − Y |) = 31 .

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 32 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 23 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

例3.3.2
例3.3.2(Page 179):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
E (X + Y ) (= 75 )
E (XY ) (= 12 )
E (X ) (= 45 )
E (Y ) (= 35 )
Var (X ) (E (X 2 ) = 23 ,Var (X ) = 2
75 )
Var (Y ) (E (Y 2 ) = 52 ,Var (Y ) = 1
25 )

3.3.2 数学期望与方差的性质
定理3.2 (r.v.和的数学期望)
E (X + Y ) = E (X ) + E (Y )
Xn n
X
E( Xi ) = E (Xi )
i=1 i=1

定理3.3 (独立r.v.积的数学期望)
若r.v. X与Y独立, 则
E (XY ) = E (X ) · E (Y )
若r.v. X , · · · , X 相互独立, 则
1 n
n
Y n
Y
E ( Xi ) = E (Xi )
i=1 i=1

定理3.4 (独立r.v.和的方差)
Var (X ± Y ) = Var (X )+Var (Y )
若r.v. X , · · · , X 相互独立, 则
1 n
n
X
E (X1 ± X2 ± · · · ± Xn ) = Var (Xi )
i=1
比较:
与Y并不要求独立)
E (aX ± bY ) = aE (X ) ± bE (Y ) (X
Var (aX ± bY ) = a Var (X )+b Var (Y ) (X与Y要求独立)
2 2

定理3.4 (独立r.v.和的方差)
Var (X ± Y ) = Var (X )+Var (Y )
若r.v. X , · · · , X 相互独立, 则
1 n
n
X
E (X1 ± X2 ± · · · ± Xn ) = Var (Xi )
i=1
比较:
与Y并不要求独立)
E (aX ± bY ) = aE (X ) ± bE (Y ) (X
Var (aX ± bY ) = a Var (X )+b Var (Y ) (X与Y要求独立)
2 2

定理3.4的证明
1 Var (X ± Y ) = Var (X ) + Var (Y ) ± 2E [X − E (X )][Y − E (Y )]
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.
4所以当X 与Y 独立时，Var (X ± Y ) = Var (X ) + Var (Y ).
上述命题之逆不一定成立!

定理3.4的证明
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.

定理3.4的证明
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.

定理3.4的证明
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.

定理3.4的证明
2 E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )
3当X 与Y 独立时, E [X − E (X )][Y − E (Y )] = 0.

3.3.3 协方差
问题的提出:
由§3.2 知, 多维r.v.的分布中不仅含有各个分量的信息(可以
通过其边缘分布来刻划),还包含了各个分量之间相关的信息.
若r.v.X 与Y 不独立, 则Var (X ± Y ) = Var (X ) + Var (Y ) ±
2E [X − E (X )][Y − E (Y )] 6= Var (X ) + Var (Y ).
这表明随机向量(X , Y )的各分量X 与Y 之间的相关性可以通
过E [X − E (X )][Y − E (Y )] = E (XY ) − E (X )E (Y )来刻划.
定义3.1 (协方差:)
设r.v. X 与Y 的方差均存在, 则称
Cov (X , Y ) = E [(X − E (X ))(Y − E (Y ))] = E (XY ) − E (X )E (Y )
为X与Y的协方差.
3.3.3 协方差
问题的提出:
3.3.3 协方差
问题的提出:
3.3.3 协方差
问题的提出:
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
从p(x, y )的的非零区域可以明显看出r.v. X 与Y 并不独立;
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
意义: Cov (X , Y ) > 0表明X 与Y 是正相关的,即Y 的取值将会
随X 取值的增加而有增加的趋势.
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
例3.3.2(续):
设 (
12y 2 , 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Cov(X,Y).
解:
E (XY ) = 21 , E (X ) = 45 , E (Y ) = 3
5
1 4 3 1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = 2 − 5 × 5 = 50 =
0.02 > 0
协方差的性质
定理3.5
(1) 对称性: Cov (X , Y ) = Cov (Y , X )
(2) 若X与Y独立, 则Cov (X , Y ) = 0.
定理3.6
记Var (X ) = σ , Var (Y ) = σ , 则[Cov (X , Y )]
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Var (X ± Y ) = Var (X ) ± 2Cov (X , Y ) + Var (Y )
Xn n
X X
Var ( Xi ) = Var (Xi ) + 2 Cov (Xi , Xj )
i=1 i=1 i<j

协方差的性质
定理3.5
(1) 对称性: Cov (X , Y ) = Cov (Y , X )
定理3.6
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Xn n
X X
i=1 i=1 i<j

协方差的性质
定理3.5
(1) 对称性: Cov (X , Y ) = Cov (Y , X )
定理3.6
2
x
2
y
2 ≤ σx2 · σy2
定理3.7
Xn n
X X
i=1 i=1 i<j

协方差的性质(补充)
Cov (X , a) = 0
Cov (aX , bY ) = abCov (X , Y )
Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )

Cov (X , a) = 0

Cov (X , a) = 0

例3.3.3
例3.3.3(Page 185):
设
(
1
+ y ), 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
3 (x
(X , Y ) ∼ p(x, y ) =
0, ∼
试求: Var (2X − 3Y + 8).

解:
Var (2X − 3Y + 8) = 4Var (X ) + 9Var (Y ) − 12Cov (X , Y )
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

解:
R1R2
E (X ) = 0 0 x · 13 (x + y )dydx = 59
7
E (X 2 ) = 8
75 2 13

Var (X ) = 89 − = 162
E (Y ) = 91 . E (Y 2 ) = 16
9 , ⇒ Var (Y ) = 23
81
R1R2 1 2
E (XY ) = 0 0 xy · 3 (x + y )dydx = 3
1
Cov (X , Y ) = E (XY ) − E (X )E (Y ) = − 81
245
Var (2X − 3Y + 8) = 81 ≈ 3.

例3.3.4(自习)
例3.3.4(Page 186): 配对模型的数学期望和方差

n 个人、n 件礼物，任意取, 设X 为拿对自已礼物的人数,
求E (X ), Var (X ).
解:
E (X ) = Var (X ) = 1.

例3.3.4(自习)
例3.3.4(Page 186): 配对模型的数学期望和方差

n 个人、n 件礼物，任意取, 设X 为拿对自已礼物的人数,
求E (X ), Var (X ).
解:
E (X ) = Var (X ) = 1.

想一想?
思考题1:
设X 与Y 独立, Var (X ) = 6, Var (Y ) = 3, 则
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

想一想?
思考题1:
Var (2X − Y ) =? (27).
思考题2:
设X ∼ P(2), Y ∼ N(−2, 4), X 与Y 独立, 则
E (X − Y ) =? ( 4 )
E (X − Y )2 =? ( 22 )

3.3.4 相关系数
独立 ( 
两个随机变量之间的关系 相依线性相依



非线性相依
非线性相依无法用一个特定的指标来刻划, 但线性相依程度可以
用相关系数来刻划.

相关系数的定义
定义3.2 (相关系数)
设r.v. X 与Y 的方差σ 和σ 均存在且非零, 则称
2
x
2
y
Cov (X , Y )
Corr (X , Y ) = ρ(X , Y ) =
σx σy
为r.v. X 与Y 的(线性)相关系数.

相关系数的符号意义

与正相关
> 0, X Y
与负相关

Corr (X , Y ) = < 0, X Y


与不相关
= 0, X Y

例3.3.5
例3.3.4(Page 183, 188):

设 (
3x, 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
1 Cov (X , Y )
2 Corr (X , Y )

例3.3.5
例3.3.4(Page 183, 188):

设 (
3x, 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
1 Cov (X , Y )
2 Corr (X , Y )

例3.3.5
例3.3.4(Page 183, 188):

设 (
3x, 0 ≤ y ≤ x ≤ 1
(X , Y ) ∼ p(x, y ) =
0, ∼
试求:
1 Cov (X , Y )
2 Corr (X , Y )

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

解: R1Rx 3
1 E (XY ) = 0 0 xy · 3xdydx = 10
2 E (X ) = 34 , E (Y ) = 3
所以Cov (X , Y ) = E (XY ) − E (X )E (Y ) =
8
3
160 ;
3
4 E (X 2 ) = 35 , E (Y 2 ) = 1
5
3
5 Var (X ) = E (X 2 ) − E 2 (X ) = 80 ,
2 2 19
Var (Y ) = E (Y ) − E (Y ) = 320
3
q
3
6 Corr (X , Y ) = q 3160 19 = 19 ≈ 0.3973
80
× 320

协方差与相关系数的异同
1两者均能反映两个r.v.的(线性)相关程度;
2协方差是个相对量—它与量纲有关;
3相关系数与量纲无关—它更能反映两个r.v.之间的相关程度!



相关系数的性质
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
|Corr (X , Y )| = ±1 ⇔ X与Y之间几乎处处有线性关系, 即存
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
若r.v. X与Y独立, 则Cov (X , Y ) = 0, 反之不然!
相关程度与ρ = Corr (X , Y )关系—直观表示
见Page 192.
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
见Page 192.
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
见Page 192.
定理3.8
|Corr (X , Y )| ≤ 1;
定理3.9
在a, b ∈ R, 使得P(Y = aX + b) = 1.
定理3.10
见Page 192.
独立与不相关的差异
1通常, ”独立”并不等同于”不相关”;
”独立”说明两个r.v.之间既无线性关系,又无非线性关系. 结
论: ”独立”必然导致”不相关”；
2
”不相关”只是说明了两r.v.之间无线性关系, 但可能存在某种
非线性关系;
3
4例子: 若X ∼ N(0, 1), Y = X , 则Corr (X , Y ) = 0 (为什么?)

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
故在两维正态场合“不相关”与“独立”等价!
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

2
非线性关系;
3

2
5若(X , Y ) ∼ N(µ , µ , σ , σ , ρ),

1 2
2
x
2
y
与独立
Corr (X , Y ) = ρ
⇔ρ=0
与不相关性
X Y
⇔ρ=0
X Y

§3.3 习题
§3.3 习题(《习题与解答》 Page 192):

2, 3, 9, 11, 13

ProbStat 3.3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ProbStat 3.3

Uploaded by

Copyright:

Available Formats

多维随机变量及其联合分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

其中p 和p(x, y )分别为r.v.(X , Y )在离散和连续场合的分布列和

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

其中p 和p(x, y )分别为r.v.(X , Y )在离散和连续场合的分布列和

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Cov (aX , bY ) = abCov (X , Y )

Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Cov (aX , bY ) = abCov (X , Y )

Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Cov (aX , bY ) = abCov (X , Y )

Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

试求: Var (2X − 3Y + 8).

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

例3.3.4(Page 186): 配对模型的数学期望和方差

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

例3.3.4(Page 186): 配对模型的数学期望和方差

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

两个随机变量之间的关系 相依线性相依

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章