当前课程知识点:概率论与数理统计 > 习题课二 > 二元特征 > 二元特征
随机变量X是-1到1上的
均匀分布随机变量
A是-1到1上的一个定点
好 那么Y是点A到X的距离
X是-1到1均匀取的一个随机变量
那么Y是X到A的距离
那我们把Y表达出来
就是Y等于随机变量X减A的绝对值
当然Y本身也是个随机变量
我们来求这两个随机变量
当A等于什么值的时候
它们两个是不相关的
那不相关就意味着XY的协方差为0
根据协方差的计算公式
XY的协方差等于EXY减去EX乘以Y
要使协方差为0
那就要满足EXY和EX乘以Y相等
那我们知道这个X是-1到1上的均匀分布
所以EX它等于0
所以我们这里面XY不相关
也就是XY的协方差为0
这个条件就归结为了EXY等于0
好 那下面我们来进行具体的计算
来计算XY乘积的期望
好 那么这个X乘以X减A的绝对值
它的期望我们就可以表达成这样
因为X的取值范围是-1到1
所以这里面我们就密度函数二分之一
均匀分布
-1到1区间上的均匀分布
密度函数二分之一
密度函数乘以X乘以X的绝对值
那一般带绝对值的积分
我们就分区间来计算
X-A为负的时候
那就是-1到A
我们再这样取一段积分
那么X-A大于等于0的时候
是A到1这个区间
分两段来进行计算
那么具体的计算我们得到
这个是六分之A乘以A方减3
那这里解出来A或者等于0
或者等于正负的根号3
因为A它的绝对值一定是小于1的
A是区间-1到1上的定点
所以A一定小于1
那么这个不可能取正负根号3
所以最后我们解出来A等于0
能够使随机变量XY不相关
好 这个题目我们就讲到这
已知随机变量XY相关系数
以及XY的期望
和X方Y方的期望
我们现在要计算X+Y平方的期望
一个随机变量平方的期望
往往通过方差来计算
你看对于X+Y而言
X+Y的方差等于
e(x+y)平方的期望
再减去X+Y期望的平方
所以我们有这个式子
X+Y平方的期望就等于X+Y的方差加上
X+Y期望的平方
那X+Y的期望很容易算
我们通过这两个式子就知道
通过X期望等于0
Y的期望等于1知道
X+Y的期望等于1
关键计算X+Y的方差
那么X+Y的方差
我们有这样一个计算公式
它等于什么呢 等于
X+Y的和X+Y的协方差
这样就推出X+Y的方差等于
X的方差加Y的方差
加二倍的XY的协方差
那么这个X的方差
我们仍然通过这样一个
方差的计算式就知道
X方的期望减去X期望的平方等于4
Y的方差我们也可以计算出来等于9
那这个X和Y的协方差呢
我们知道协方差等于相关系数乘以标准
X和Y的标准差的乘积
那么这个X的标准差是2
Y的标准差是3
相关系数是六分之一
所以我们得到XY的协方差等于1
这样的话我们代入方差的计算式
就得到X+Y的方差等于15
所以我们最终计算出来
X+Y平方的期望等于16
随机变量X是
-1到1上的均匀分布随机变量
这个a是大于1的
那我们来求这个
绝对值x和1的最小值函数的
这个随机变量的期望
以及绝对值x和1的最大值函数的
这个期望
好 那么这个
计算期望首先我们要
把x的密度函数写出来
x的密度函数是1/2a
x在-a到a区间内 等于1/2a
那么x在其余部分密度函数等于0
好了 我们算这个最小值函数的期望
首先我们写出这个最小值函数
绝对值x和1的最小值函数
当绝对值x小于1的时候
就是这个绝对值x
当x大于等于1的时候
绝对值x大于等于1的时候
这个最小值函数是1
好 那我们来算这个绝对值x
和1的最小值函数的期望
那就等于这个最小值函数乘以
随机变量x的密度函数
那么同负无穷到正无穷积分
当然这个积分
这个密度函数
只有在有限的部分才是非0的
所以只用考虑这部分就好了
那么这样这个密度函数在-a到a区间内
是非0的
其余部分就是0不用考虑了
而在这个-a到a区间内
这个最小值函数
它的取值也是形式不同的
在-1到1区间内
这个最小值函数是等于绝对值x
在这个0在这个-a到-1和1到a之间
这个最小值函数等于1
所以这个积分我们就分三段来计算
在这个-1到1的时候
最小值函数是绝对值x乘以1的函数
在-a到-1和1到a之间
最小值函数都是1
这个就是这样的积分
最后我们算出来
这个积分等于1-1/2a
所以最小值函数的
这样的一个期望等于1-1/2a
那我们再算这个最大值函数的期望
那首先写出绝对值x和1的最大值
这个函数的最大值
那么当绝对值x小于1的时候最大值是1
当绝对值x大于等于1的时候
最大值函数是x绝对值
那么这个还是
x绝对值的和1的最大值函数的期望
就等于这个最大值函数乘以密度函数
在负无穷到正无穷积分
而这个密度函数是
只有在-a和a之间是非0的
那同样这个最大值函数在-1到1
在这三个区间内取值是不同的
在-1到1之间取值是1
那么在这个-a到-1之间的取值是
x的绝对值
实际上就是这个-x
在1到a区间上取值
是x绝对值就是正x
好 所以我们这个积分仍然可以分成三段
这个三段来求解
那么三段这个积分的计算
我们经过这个基本的积分的运算
最后得到这个最大值
这个最大值函数
绝对值x和1的最大值函数的期望等于
1/2a乘以a加1/2a
好 那这个题目我们就讲到这儿
-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