认矩的名词
第一步:看是「原点矩」还是「中心矩」——前者以 0 为基准,后者以 E(X) 为基准。
第二步:看阶数 k,写出 E(Xk) 或 E[(X−E(X))k]。
第三步:一阶原点矩就是期望,二阶中心矩就是方差,直接换成熟悉的量。
第四步:混合矩 E(XkYl) 用联合分布算(二重积分或双重求和)。例例. 设 X 的密度 f(x)=2x(0<x<1),求一阶原点矩、二阶原点矩、二阶中心矩。
第一步,原点矩以 0 为基准,中心矩以 E(X) 为基准。
第二步,
E(X)=∫01x⋅2xdx=32,E(X2)=∫01x2⋅2xdx=21.
第三步,换成熟悉的量:一阶原点矩就是期望 32;二阶中心矩就是方差
D(X)=21−94=181.
第四步,混合矩 E(XkYl) 用联合分布算;最常用的 E(XY) 就是 k=l=1 的情形——协方差那一节用的正是它。
二维正态的题
第一步:在题面里确认「二维正态」四个字。
第二步:边缘直接写成一维正态,参数照搬前四个。
第三步:要判独立就看 ρ(或协方差)是否为零——这里两者等价。
第四步:线性组合仍是正态,期望与方差用线性性和方差展开式算出来即可。例例. (X,Y) 服从二维正态,μ1=1、μ2=2、σ12=4、σ22=9、ρ=0。求 X 的分布,判独立,求 X+Y 的分布。
第一步,题面确认「二维正态」四个字 ✓ 下面每一步都以它为前提。
第二步,边缘直接照搬前四个参数:X∼N(1,4)、Y∼N(2,9)。
第三步,ρ=0 ⇒ 独立。这是二维正态的特权——一般分布里不相关推不出独立(上一节 Y=X2 就是反例)。
第四步,线性组合仍是正态:
E(X+Y)=3,D(X+Y)=4+9+2ρσ1σ2=13,
故 X+Y∼N(3,13)。ρ=0 时第三项不为零,要代进去算。