当前课程知识点:概率论与数理统计 > 第4章 随机变量的数字特征 > 标准化与相关系数 > 拓展知识
多类别产品的有放回或无放回抽样就会产生多项分布多项超几何分布。特别地,它们的边缘分布将是二项分布和超几何分布。如果 \( r \) 维随机向量 \( (X_1
,\cdots ,X_r ) \) 服从多项分布或多项超几何分布,那么,变量 \( X_i \) 与 \( X_j
\) 之间独立吗?如果不独立,相关系数如何?下面请看它们的相关系数的计算。
例1(多项分布)设随机向量 \( (X_1 ,\cdots ,X_r ) \) 服从多项分布:
\[
P\{X_1 =k_1 ,X_2 =k_2 ,\cdots ,X_r =k_r \}=\frac{n!}{k_1 !k_2 !\cdots k_r !}p_1^{k_1
} p_2^{k_2 } \cdots p_r^{k_r } ,
\]
求相关系数 \( \rho (X_i ,X_j ) \)。
解: 随机向量 \( (X_1 ,\cdots ,X_r ) \) 的边缘分布为二项分布,即 \( X_i \sim B(n,p_i
),\quad i=1,2,\cdots ,r \),从而
\[
EX_i =np_i ,\quad DX_i =np_i (1-p_i ),\quad i=1,2,\cdots ,r
\]
可以证明,\( X_i +X_j \sim B(n,p_i +p_j ),\quad i,j=1,2,\cdots ,r,i\ne j \),因此
\[
E(X_i +X_j )=n(p_i +p_j ),
\]\[
D(X_i +X_j )=n(p_i +p_j )(1-p_i -p_j ),\quad i,j=1,2,\cdots ,r,i\ne j
\]
由于有
\[D(X_i +X_j )=DX_i +DX_j +2cov(X_i ,X_j )\tag{1}\]
所以
\begin{eqnarray}
cov(X_i ,X_j )&=&\frac{1}{2}[DX_i +DX_j -D(X_i +X_j )]\\
&=&\frac{1}{2}[np_i (1-p_i )+np_j (1-p_j )-n(p_i +p_j )(1-p_i -p_j )]\\
&=&-np_i p_j
\end{eqnarray}
则
\[
\rho (X_i ,X_j )=\frac{cov(X_i ,X_j )}{\sqrt {DX_i \cdot DX_j }
}=\frac{-np_i p_j }{\sqrt {n^2p_i p_j (1-p_i )(1-p_j )} }=-\sqrt {\frac{p_i
p_j }{(1-p_i )(1-p_j )}}
\]
例2 (多元超几何分布)设随机向量 \( (X_1 ,\cdots ,X_r ) \) 服从多元超几何分布:
\[
P\{X_1 =n_1 ,X_2 =n_2 ,\cdots ,X_r =n_r \}=\frac{C_{N_1 }^{n_1 } C_{N_2 }^{n_2 }
\cdots C_{N_r }^{n_r } }{C_N^n }
\]
其中 \( n_1 ,n_2 ,\cdots ,n_r \ge 0\), \(n_1 +n_2 +\cdots +n_r=n\), \(N_1 +N_2 +\cdots +N_r =N \)。求相关系数 \( \rho (X_i ,X_j ) \)。
解:类似于多项式分布,可以证明:随机向量 \( (X_1 ,\cdots ,X_r
) \) 的边缘分布为超几何分布,即
即 \( X_i \sim G(p_i ),\quad i=1,2,\cdots ,r \),其中 \( p_i =\frac{N_i }{N},\quad q_i
=1-p_i ,\quad i=1,2,\cdots ,r \)。则
\[
EX_i =np_i ,\quad DX_i =\frac{N-n}{N-1}np_i q_i ,\quad i=1,2,\cdots ,r
\]
同样可以证明: \( X_i +X_j \sim G(p_i +p_j ),\quad i,j=1,2,\cdots ,r,i\ne
j \),(超几何分布)
\[
E(X_i +X_j )=n(p_i +p_j )\]\[D(X_i +X_j )=\frac{N-n}{N-1}n(p_i +p_j
)(1-p_i -p_j ),\quad i=1,2,\cdots ,r
\]
同理,由(1)式,可计算
\[cov(X_i ,X_j )=-\frac{N-n}{N-1}np_i p_j \]
从而可得到:
\[
\rho (X_i ,X_j )=\frac{cov(X_i ,X_j )}{\sqrt {DX_i \cdot DX_j }
}=\frac{-(\frac{N-n}{N-1})np_i p_j }{\sqrt {(\frac{N-n}{N-1})^2n^2p_i p_j
(1-p_i )(1-p_j )} }=-\sqrt {\frac{p_i p_j }{(1-p_i )(1-p_j )}}
\]
结论:这两种分布下的任两个随机变量 \( X_i \) 与 \( X_j
\) 不独立,且有放回抽样场合与不放回抽样场合下的多项分布有相同的相关系数。两种场合的数学期望也相同,但方差、协方差则相差一个系数,即有限总体修正因子。
-课程发展概况及概率的三要素
--讲义下载
--拓展知识
-第一章第一节测试题
-古典概率
--讲义下载
--拓展知识
-第一章第二节测试题
-几何概率
--讲义下载
--拓展知识
-第一章第三节测试题
-条件概率与乘法公式
--讲义下载
--拓展知识
-第一章第四节测试题
-全概率公式
--讲义下载
--拓展知识
-第一章第五节测试题
-贝叶斯公式
--讲义下载
--拓展知识
-第一章第六节测试题
-事件的独立性及应用
--讲义下载
--拓展知识
-第一章第七节测试题
-讨论
--“三门”问题
-第一章测试题
-随机变量及其分布
--讲义下载
--拓展知识
-第二章第一节测试题
-一类离散型随机变量的分布
--讲义下载
--拓展知识
-第二章第二节测试题
-泊松分布及泊松定理
--讲义下载
--拓展知识
-第二章第三节测试题
-均匀分布与指数分布
--讲义下载
--拓展知识
-第二章第四节测试题
-正态分布
--讲义下载
--拓展知识
-第二章第五节测试题
-连续型随机变量函数的分布
--讲义下载
--拓展知识
-第二章第六节测试题
-讨论
--分布之间关系
-第二章测试题
-多维随机变量及分布(一)
--讲义下载
--拓展知识
-第三章第一节测试题
-多维随机变量及分布(二)
--讲义下载
--拓展知识
-第三章第二节测试题
-边缘分布律和边缘密度
--讲义下载
--拓展知识
-第三章第三节测试题
-条件分布与随机变量的独立性
--讲义下载
--拓展知识
-第三章第四节测试题
-随机变量极值的分布
--讲义下载
--拓展知识
-第三章第五节测试题
-随机变量和的分布
--讲义下载
--拓展知识
-第三章第六节测试题
-数形结合求解函数的分布
--讲义下载
--拓展知识
-第三章第七节测试题
-讨论
--分布类的和不变性
-第三章测试题
-数学期望和方差的定义
--讲义下载
--拓展知识
-第四章第一节测试题
-数学期望和方差的应用
--讲义下载
--拓展知识
-第四章第二节测试题
-数学期望的线性性质及应用
--讲义下载
--拓展知识
-第四章第三节测试题
-方差的性质与协方差
--讲义下载
--拓展知识
-第四章第四节测试题
-标准化与相关系数
--讲义下载
--拓展知识
-第四章第五节测试题
-讨论
-第四章测试题
-大数定律
--课程讲义下载
--拓展知识
-第五章第一节测试题
-中心极限定理
--讲义下载
--拓展知识
-第五章第二节测试题
-讨论
--用电量的正态假设
-第五章测试题
-数理统计的基本概念
--讲义下载
--拓展知识
-第六章第一节测试题
-单样本均值统计量的分布
--讲义下载
--拓展知识
-第六章第二节测试题
-单样本方差统计量的分布
--讲义下载
--拓展知识
-第六章第三节测试题
-讨论
--保险损失分布
-第六章测试题
-什么是参数估计
--讲义下载
--拓展知识
-第七章第一节测试题
-矩估计
--讲义下载
--拓展知识
-第七章第二节测试题
-似然原理与似然函数
--讲义下载
--拓展知识
-第七章第三节测试题
-连续型分布的似然估计
--讲义下载
--拓展知识
-第七章第四节测试题
-一类离散总体的似然估计
--讲义下载
--拓展知识
-第七章第五节测试题
-区间估计
--讲义下载
--拓展知识
-第七章第六节测试题
-讨论
--湖中有多少条鱼?
-第七章测试题
-假设检验的基本原理
--讲义下载
--拓展知识
-第八章第一节测试题
-两类错误
--讲义下载
--拓展知识
-第八章第二节测试题
-正态总体均值的检验
--讲义下载
--拓展知识
-第八章第三节测试题
-正态总体方差的检验
--讲义下载
--拓展知识
-第八章第四节测试题
-卡方拟合检验
--讲义加载
--拓展知识
-第八章第五节测试题
-讨论
-第八章测试题
-一元线性回归(最小二乘估计)
--讲义下载
--拓展知识
-第九章第一节测试题
-一元线性回归(相关系数检验)
--讲义下载
--拓展知识
-第九章第二节测试题
-讨论
--火灾损失的因素
-第九章测试题