计算协方差是其中的难点，可以把Xi拆开为独立的0-1分布之和，再利用协方差的线性性质计算。
求cov（x1,x2)的时候我想用二项分布的可加性，求出x1+x2 的方差，以此求。不知道这样做对不对
求cov（x1,x2)的时候我想用二项分布的可加性，求出x1+x2 的方差，以此求。不知道这样做对不对
追答二项分布的可加性前提是相互独立，现在X1与X2不是独立的，所以不能用。
温馨提示：答案为网友推荐，仅供参考
第1个回答 2019-09-24
你肯定你要问概率论的问题么？
概率论的相关函数，不但我，连百度大叔也不晓得是什么哦。
概率论的相关系数是用于求解函数的方差的时候用的，比如说
已知函数
Z=X+Y
那么Z的方差是X的方差与
Y的方差之和，还有一个和相关系数有关的期望项
如果说线性代数中两个向量是否相关，那么是可以使用行阶梯形来判断的。但LZ对线代的基本概念还很模糊，最好要多翻一下书。
1.
只有矩阵才存在是否相似的问题；
向量是没有相似的问题的，只有是否相关的问题。
2.
行阶梯形之所以可以判断向量组是否相似，不是因为行阶梯形这种算法，而是因为行阶梯形体现了秩的概念。
下面是概念图
向量相关
-〉k1*s1
+
k2*s2
=
0有非零解
-〉[s1,
s2]的秩小于2
-〉行阶梯形的第二行为0
向量无关
-〉k1*s1
+
k2*s2
=
0没有非零解
-〉[s1,
s2]的秩等于2
-〉行阶梯形的第二行不为0，
且可以化成阶梯形。
建议LZ到baidu图片里搜一下线代的概念树，感觉你把矩阵和向量弄混了。另外，
很多高人(李永乐，王式安...)都说"秩"是线代的核心，
LZ一定要好好领会"秩"，
不要被相似对角化，行阶化，
正定化这些表面功夫迷惑。
从"秩"上领会：相关
问的是向量组的
秩
是否等于向量个数
相似
问的是矩阵的特征值是否相等
合同
问的是矩阵的正负特征值数目是否相等。
至于那些矩阵操作都是很模式化的事情。
概率论的相关函数，不但我，连百度大叔也不晓得是什么哦。
概率论的相关系数是用于求解函数的方差的时候用的，比如说
已知函数
Z=X+Y
那么Z的方差是X的方差与
Y的方差之和，还有一个和相关系数有关的期望项
如果说线性代数中两个向量是否相关，那么是可以使用行阶梯形来判断的。但LZ对线代的基本概念还很模糊，最好要多翻一下书。
1.
只有矩阵才存在是否相似的问题；
向量是没有相似的问题的，只有是否相关的问题。
2.
行阶梯形之所以可以判断向量组是否相似，不是因为行阶梯形这种算法，而是因为行阶梯形体现了秩的概念。
下面是概念图
向量相关
-〉k1*s1
+
k2*s2
=
0有非零解
-〉[s1,
s2]的秩小于2
-〉行阶梯形的第二行为0
向量无关
-〉k1*s1
+
k2*s2
=
0没有非零解
-〉[s1,
s2]的秩等于2
-〉行阶梯形的第二行不为0，
且可以化成阶梯形。
建议LZ到baidu图片里搜一下线代的概念树，感觉你把矩阵和向量弄混了。另外，
很多高人(李永乐，王式安...)都说"秩"是线代的核心，
LZ一定要好好领会"秩"，
不要被相似对角化，行阶化，
正定化这些表面功夫迷惑。
从"秩"上领会：相关
问的是向量组的
秩
是否等于向量个数
相似
问的是矩阵的特征值是否相等
合同
问的是矩阵的正负特征值数目是否相等。
至于那些矩阵操作都是很模式化的事情。
相似回答