当前课程知识点:概率论与数理统计 > 第十一周 正态分布专题 > 正态分布的相关与独立 > 11.1 正态分布的相关与独立
第十一周第一讲
本周我们集中讨论
正态分布的一些性质
先看两个二元正态分布的重要性质
第(1)条性质是
二元正态分布的边缘分布
为一元正态分布
这一性质在第7周第2节课
曾经验证过
但是其逆命题不成立
即边缘密度均为正态
联合分布未必是二元正态
在本周的第2节课里
我们将给出边缘密度均为正态
联合分布
不是二元正态的2个例子
第(2)条性质是
二元正态分布随机变量X,Y
独立与不相关是等价的
互为充分必要条件
对一般随机变量X,Y
由X,Y相互独立
一定可以推出X,Y不相关
但是X,Y不相关时
则不能推出XY一定相互独立
而二元正态分布
由不相关
即可推出独立
相关性一般比独立性更好判断
因此不相关与独立等价
是二元正态分布随机变量
一个非常好的性质
而二元正态分布
由不相关推出独立的性质
是很容易验证的
因为相关系数pho为0时
X,Y的联合密度函数
显然可以分解成
参数为mu1,sigma1方
和mu2,sigma2方的
两个正态分布随机变量
也就是X,Y的边缘分布
它们的密度函数的乘积
所以X,Y独立
二元正态不相关
即意味着相互独立
这里 我们不加证明地
给出二元正态随机变量的
一个重要结论
即X,Y若服从
二元正态分布
则对任意常数
a1,b1,a2,b2
a1X加b1Y
和a2X加b2Y
也服从二元正态分布
由这一定理可知
对常数a,b
只要a,b不全为0
aX加bY
都可作为一个
二元正态分布的边缘分布
因此服从正态分布
下面计算正态随机变量aX
加bY的分布参数
利用期望的线性性
得到aX加bY的期望
等于aX的期望
加bY的期望
等于amu1加bmu2
aX加bY的方差
等于aX的方差
加bY的方差
再加2倍的
aX和bY的协方差
aX和bY的协方差
等于ab乘以X,Y的协方差
等于ab乘以
pho sigma1 sigma2
所以aX加bY服从
期望为amu1加bmu2
方差为a方sigma1方
加b方sigma2方
再加2倍的
ab pho sigma1 sigma2的
正态分布
(X,Y)服从二元正态分布
X,Y的边缘的分布
都是期望为0
方差为sigma方的正态分布
X,Y的相关系数为0.6
如果aX-Y
和X+Y
相互独立
试求常数a的取值
因为(X,Y)服从于二元正态分布
所以(aX-Y,X+Y)
也服从二元正态分布
aX-Y和X+Y独立
当且仅当
aX-Y和X+Y不相关
即要求aX-Y
和X+Y的协方差为零
按照定义展开
得到aX-Y
和X+Y的协方差
令其等于0
解得a等于1
因为两个正态分布的
随机变量的联合分布
未必是二元正态分布
所以两个正态分布
随机变量X,Y不相关
不能推出X,Y一定相互独立
只有X,Y的联合分布为
二元正态分布时
才有X,Y不相关
与独立的等价关系
下面这段话摘自维基百科
供同学们参考
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题