当前课程知识点:概率论与数理统计 > 习题课二 > 二元离散 > 二元离散
某个箱子里装了一百件产品
这些产品分别是有一二三 三个等级
其中一等品80件
二等品和三等品各10件
现在我们随机的抽取一件产品
那么根据这个结果可以定义三个随机变量
就是X1 X2 X3
具体就是如果我们抽到了
这个产品是k等品
那么Xk就等于1
否则Xk等于0
也就是说我们抽到了这个产品是一等品
那么X1就等于1
X2 X3等于0
如果我们抽到的是二等品呢
就是X2等于1 X1和X3等于0
那么X1 X2 X3
都是取值为0和1的离散分布
下面我们来计算X1和X2的联合分布
以及X1 X2
两个离散随机变量的相关系数
那么首先我们来确定X1 X2 X3
这三个随机变量的分布
那么X1等于1的概率是0.8
那X1等于0的概率就是0.2
这是X1的分布
X2的分布是X2等于1的概率是0.1
X2等于0的概率是0.9
那X3的分布和X2是相同的
好 下面我们来考查X1和X2的联合分布
因为X1 X2
它们的取值分别是0和1两种可能
所以X1 X2
这个两个量的所有取值就是这四种可能
那么这个X1 X2的联合分布
我们就是把这四个取值的概率
都算出来就好了
那么这个X1 X2都等于0的时候
那就意味着X3等于1
也就是说这个时候我们抽到的产品
既不是一等品也不是二等品
那么一定就是三等品
好 概率是0.1
那么X1等于0 X2等于1的时候呢
就是我们抽到的是二等品
那么抽到二等品的概率是0.1
X1等于1 X2等于0的时候呢
就意味着抽到了一等品
抽到一等品的概率是0.8
那X1等于1 X2等于1意味着什么呢
我们抽到的产品既是一等品 又是二等品
那这是不可能的
所以概率是0
我们就得到了X1 X2的联合分布
下面我们来计算
这个X1 X2两个随机变量的相关系数
相关系数首先我们来算协方差
X1 X2的协方差就等于
X1 X2乘积的期望减去
X1的期望和X2期望的乘积
有了协方差我们就可以算出相关系数
那么首先来算这个协方差
好 那我们知道X1 X2它有四种可能
那么也就是X1 X2的乘积
只有在X1 X2都等于1的时候
它的乘积等于1
其他情况它的乘积就是0
而X1 X2同时等于1的概率是0
所以这个X1乘X2等于0的概率
就是1
好 那我们算出来
X1 X2乘积的期望就等于0
那么X1和X2的期望
这两个0 1分布的期望
分别是很容易计算的
X1的期望是0.8 X2的期望是0.1
这样的话我们就可以算出协方差是-0.08
下面再计算X1 X2的方差
那么方差我们利用这样基本的计算公式
X1的方差等于X1平方的期望
减去X1期望的平方
好 那么因为X1
它的平方也是取值是0和1嘛
所以说取值是1的概率是PE
那么X1方的期望就是PE
我们算出来X1和X2的方差分别是
0.16和0.09
好 那代入到相关系数的公式
最终我们就得到了相关系数是
负的三分之二
这是一个很典型的二元离散分布
这样的一个习题
当然这个情况是非常简单的
二元离散分布它两个随机变量它的取值
分别只有两个0和1
这个是一个很基本的题目
同学们应该数量的掌握
好 这个题目我们就讲到这
-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