概率论与数理统计+随机变量的独立性.ppt

例1 随机变量的分布是对随机变量的一种完整的描述，知道随机变量的分布就全都知道随机变量的所有特征。然后随机变量的概率分布往往不容易求得的。 设离散型随机变量X的分布律为 例3 某种产品每件表面上的疵点数服从参数为8的泊松分布,若疵点数不超过1为一等品，价值10元；疵点数大于1不多于4为二等品，价值8元；其它为废品，不值钱.求： （1）产品的废品率； （2）产品的平均值。 设连续型随机变量X的密度为f(x), 例5 X ~ N ( ? , ? 2 ), 求 E ( X ) . 若X是离散型随机变量，Y=g(X)是X的随机变 量函数，且E(Y)存在，则 例7 X～U[0, ],求 例8 例9 求E(X),E(Y),E(XY). 例10 * LOGO 两事件A,B独立的定义是： 若P(AB)=P(A)P(B) 则称事件A,B独立 . 设 X,Y是两个随机变量，若对任意的x,y,有 则称X,Y相互独立 . 用分布函数表示,即 概率论与数理统计 若X,Y独立，则g(X),g(Y)也独立。 则 相互独立等价于 有 概率论与数理统计 设二维离散型随机变量(X,Y)的分布律为 解得 或 ； 或 设 的分布律为 应满足什么条件？ 若 独立,求 . 若 相互独立,则 概率论与数理统计 解 则 相互独立等价于 有 概率论与数理统计 设二维连续型随机变量(X,Y)的联合密度为 设(X,Y) ～N(μ1,μ2,σ1,σ2,ρ)，则 设 的密度函数为 其它 问(X,Y)是否独立？ 相互独立 概率论与数理统计 例2 的边缘密度分别为 解 概率论与数理统计 随机变量的这些统计特征通常用数字表示的。这些用来描述随机变量统计性的数字称为随机变量的数字特征。其中最重要的是数学期望和方差二种。 加 权 平 均 初 赛 复 赛 决 赛 总 成 绩 算术 平均 甲 乙 90 85 53 228 76 88 80 57 225 75 胜者 甲 甲 乙 甲 甲 3:3:4 2:3:5 2:2:6 73.7 70.0 66.8 73.2 70.1 67.8 甲 乙 乙 学生甲乙参加数学竞赛, 观察其胜负 §4.1 概率论与数理统计 概率论与数理统计 P{X=xi}=pi i=1,2,…, 称为X的数学期望。 数学期望是反映随机变量取值的集中趋势的量。 概率论与数理统计 解 (1)设X为疵点数，则X～P(0.8),其分布律为 概率论与数理统计 (2) 设Y为产品的价值，则Y的分布律为 P{X>4} P{1<X≤4} P{X≤1} Pi 0 8 10 Y 概率论与数理统计 称为X的数学期望。 数学期望是反映随机变量取值的集中趋势的量。 概率论与数理统计 概率论与数理统计 若X是连续型随机变量，Y=g(X)是X的随机变 量函数，且E(Y)存在，则 概率论与数理统计 概率论与数理统计 概率论与数理统计 概率论与数理统计 若(X,Y)是二维离散型随机变量，Z=g(X,Y), 且E(Z)存在，则 若(X,Y)是二维连续型随机变量，Z=g(X,Y), 且E(Z)存在，则 概率论与数理统计 解 X,Y的边缘分布为 概率论与数理统计 1.E (C ) = C 2. E (aX ) = a E (X ) 3.E (X + Y ) = E (X ) + E (Y ) 4.当X ,Y 独立时，E (X Y ) = E (X )E (Y ) . 线性性质 概率论与数理统计 解 设随机变量Xi为 则X=X1+ X2+ …+ X10 故 E(X)=E(X1)+ E(X2)+ …+ E(X10) 而E(Xi)=1-(9/10)20 i=1,2,…,10 *