精品久久久.999,偷拍欧美日韩综合色吧

獨立和不相關(guān)

獨立與不相關(guān)是一個隨機過程中隨機變量可能具有的兩個特性。

這里先給出兩者關(guān)系定義：

若獨立則必然不相關(guān)，即有獨立 $\rightarrow$ 不相關(guān)（條件符號不可反）

若不相關(guān)則不一定獨立

形象理解

理解：

對于二維坐標來說，如果x與y獨立那么就是即便知道了x，任何時候無法確定y，而不相關(guān)則不是這樣。

在圓中均勻分布了無數(shù)個點，無法得出x與y互相變化影響的具體關(guān)系，則他們是不相關(guān)的，但不能說是獨立的，因為如果有點x值為1，那么可以確定其y值為0，而一旦有這種情況發(fā)生，獨立性就不成立了。

題目：
設(shè)隨機變量X和Y都服從正態(tài)分布，且它們不相關(guān)，則（　　）
A．X與Y一定獨立
B．(X，Y) 服從二維正態(tài)分布
C．X與Y未必獨立
D．X+Y服從一維正態(tài)分布

解答：

A. 只有當（X，Y）服從二維正態(tài)分布時，X與Y不相關(guān)?X與Y獨立，本題僅僅已知X和Y服從正態(tài)分布，因此，由它們不相關(guān)推不出X與Y一定獨立，故A錯誤；
B. 若X和Y都服從正態(tài)分布且相互獨立，則（X，Y）服從二維正態(tài)分布，但題設(shè)并不知道X，Y是否獨立，故B錯誤；
C. 由A、B分析可知X與Y未必獨立，故C正確；
D. 需要求X與Y相互獨立時，才能推出X+Y服從一維正態(tài)分布，故D錯誤．
故選：C

解析：

本題考查正態(tài)分布的性質(zhì)以及二維正態(tài)分布與一維正態(tài)分布之間的關(guān)系。

若X與Y均服從正態(tài)分布且相互獨立，則（X，Y）服從二維正態(tài)分布。

若X與Y均服從正態(tài)分布且相互獨立，則aX+bY服從一維正態(tài)分布。

若（X，Y）服從二維正態(tài)分布，則X與Y相互獨立?X與Y不相關(guān)。

參考：https://blog.csdn.net/weixin_44344462/article/details/88028363

期望、方差、協(xié)方差、相關(guān)系數(shù)的聯(lián)系

1、期望：

定義：
設(shè)P(x)是一個離散概率分布函數(shù)自變量的取值范圍。那么其期望為：
$E(X)=\sum_{k=1}^{\infty} x_{k} p_{k}$
而若P(x)是一個連續(xù)概率分布函數(shù) ，那么他的期望是： $E(X)=\int_{-\infty}^{\infty} x f(x) d x$

性質(zhì)：
1. 線性運算：
期望服從先行性質(zhì)，因此線性運算的期望等于期望的線性運算：
$E(a x+b y+c)=a E(x)+b E(y)+c$

我們可以把它推廣到任意一般情況：
$E\left(\sum_{k=1}^{n} a_{i}+c\right)=\sum_{k=1}^{n} a_{i} E\left(x_{i}\right)+c$

2. 函數(shù)的期望：
設(shè)f(x)是x的函數(shù)，則f(x)的期望為：
離散： $E(f(x))=\sum_{k=1}^{n} f\left(x_{k}\right) P\left(x_{k}\right)$
連續(xù)： $E(f(x))=\int_{-\infty}^{+\infty} f(x) P(x) d x$

3. 乘積的期望:
一般來說，乘積的期望不等于期望的乘積，除非變量相互獨立。因此，如果x和y相互獨立,則 $E(x y)=E(x) E(y)$

期望的運算構(gòu)成了統(tǒng)計量的運算基礎(chǔ)，因為方差、協(xié)方差等統(tǒng)計量本質(zhì)上是一種特殊的期望。

設(shè)C為一個常數(shù)，X和Y是兩個隨機變量。以下是數(shù)學期望的重要性質(zhì)：

1.E(C)=C
2.E(CX)=CE(X)
3.E(X+Y)=E(X)+E(Y)
4.當X和Y相互獨立時，E(XY)=E(X) * E(Y)

性質(zhì)3和性質(zhì)4可以推到到任意有限個相互獨立的隨機變量之和或之積的情況。

2、方差

定義：

方差是一種特殊的期望，被定義為： $D(x)=E\left((x-E(x))^{2}\right)$

離散型的方差：
$D(x)=E\left((x-E(x))^{2}\right)=\sum_{i=1}^{n}\left(x_{i}-E(x)\right)^{2} P\left(x_{i}\right)=\sum_{i=1}^{n}\left(P_{i} \cdot x_{i}^{2}\right)-E^{2}(x)$
$\quad=E\left(x^{2}\right)-E^{2}(x)$

連續(xù)型的方差：
$\left.D(x)=\sigma^{2}=\int_{-\infty}^{+\infty}(x-E(x))^{2} f(x) d x\right)=\int_{-\infty}^{+\infty} x^{2} f(x) d x-E(x)$
$=E\left(x^{2}\right)-E^{2}(x)$

以上兩式是一樣的，只是寫法不同。

證明：由數(shù)學期望的性質(zhì)得:
$D(X)=E\left\{[X-E(X)]^{2}\right\}=E\left\{X^{2}-2 X E(X)+[E(X)]^{2}\right\}$
$=E\left(X^{2}\right)-2 E(X) E(X)+[E(X)]^{2}=E\left(X^{2}\right)-[E(X)]^{2}$

性質(zhì)：

設(shè)C是常數(shù)，則D（C）=0
設(shè)X是隨機變量，C是常數(shù)，則有 $D(C X)=C^{2} D(X), D(X+C)=D(X)$
設(shè) X 與 Y 是兩個隨機變量，則 $D(X \pm Y)=D(X)+D(Y) \pm 2 \operatorname{Cov}(X, Y)$
其中協(xié)方差 $\operatorname{cov}(X, Y)=E\{[X-E(X)][Y-E(Y)]\}$

特別的，當X，Y是兩個不相關(guān)的隨機變量（相互獨立）則
$D(X \pm Y)=D(X)+D(Y)$

此性質(zhì)可以推廣到有限多個兩兩不相關(guān)的隨機變量之和的情況。

3、協(xié)方差：

$\operatorname{Cov(X,Y)}=E(X-E X)(Y-E Y)=\frac{1}{N-1} \sum_{i=1}^{N}\left(X_{i}-\bar{X}_{i}\right)\left(Y_{i}-\bar{Y}_{i}\right)$

性質(zhì)：

Cov(X，Y)=Cov(Y，X)；

Cov(aX，bY)=abCov(X，Y)，（a，b是常數(shù)）；

Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。

由協(xié)方差定義，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。

4、相關(guān)系數(shù)：

$\rho_{X Y}=\frac{\operatorname{Cov}(X, Y)}{\sqrt{D(X)} \sqrt{D(Y)}}$

5、標準差：

$\sigma_{X}=\sqrt{\frac{1}{N-1} \sum_{i=1}^{N}\left(X_{i}-\bar{X}_{i}\right)^{2}}=\sqrt{D(X)}$

參考：https://www.cnblogs.com/jfdwd/p/11274056.html

題目：
設(shè)隨機變量X和Y的相關(guān)系數(shù)為0.5，E(X) = E(Y) = 0, E(X^2) = E(Y^2) = 2, 則E[(X +Y)^2] = ( ？)

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

雜

雜

獨立和不相關(guān)