概率论-3.4 多维随机变量的特征数

二维随机变量函数g(X,Y)的数学期望：
g(X,Y)=X
离散场，E(g(X,Y))=Sum(Sum(g(xi,yj)*P(X=xi,Y=yj)))
连续场，E(g(X,Y))=积分符 积分符 g(xi,yj)*p(x,y) dx dy

g(X,Y)=(X-E(X))^2
离散场，E(g(X,Y))=Sum(Sum(g(xi,yj)*P(X=xi,Y=yj)))
连续场，E(g(X,Y))=积分符 积分符 g(xi,yj)*p(x,y) dx dy
= 积分符 g(xi,yj)*px(x) dx

期望与方差的运算性质：
E(X1+X2+…+Xn)=E(X1)+…+E(Xn)
随机变量X,Y相互独立,则E(XY)=E(X)*E(Y),Var(X加减Y)= Var(X)+Var(Y)

协方差：
(X,Y)是一个二维随机变量，若E((X-E(X))(Y-E(Y)))存在
则称其数学期望为X和Y的协方差(或相关(中心)矩)
记为Cov(X,Y)= E((X-E(X))(Y-E(Y)))，特别Var(X,X)= Cov(X,X)
Cov(X,Y)>0，正相关(线性)
Cov(X,Y)<0，负相关(线性)
Cov(X,Y)=0，不相关(线性)

Cov(X,Y)= E((X-E(X))*(Y-E(Y)))
=E(XY+E(X)E(Y)-XE(Y)-E(X)Y)
= E(XY)-E(X)E(Y)

X，Y相互独立，Cov(X,Y)=0

Var(X加减Y)= E(((X加减Y)-E((X加减Y)))^2)
= E(((X-E(X))加减(Y-E(Y)))^2)
= (X-E(X))^2加(Y-E(Y))2加减2* (X-E(X))* (Y-E(Y))
=Var(X)+Var(Y)加减2*Cov(X,Y)

Cov(X,Y)=Cov(Y,X)
Cov(X,常数c)=0
Cov(aX,bY)=ab*Cov(X,Y)
Cov(X+Y,Z)= Cov(X,Z)+ Cov(Y,Z)

(线性相关系数)相关系数Corr：
Corr(X,Y)= Cov(X,Y) / sqrt(Var(x)*Var(Y))
分母为sqrt(Var(x)*Var(Y))，一是为了消除量纲的差异，二是单位化

| Corr(X,Y) |<=1(施瓦茨不等式)
Corr(X,Y)>0，正相关
Corr(X,Y)<0，负相关
Corr(X,Y)=0，不相关
Corr(X,Y)=1，几乎正线性相关
Corr(X,Y)=-1，几乎负线性相关

普通随机变量Corr(X,Y)=0不等价于X，Y独立
二维正态随机变量Corr(X,Y)=0等价于X，Y独立

协方差矩阵：

n元正态分布：