概率论与数理统计课件第八周.pptVIP

四、数学期望的性质 1. 设C是常数，则E(C)=C; 2. 若k是常数，则E(kX)=kE(X); 3. E(X1+X2) = E(X1)+E(X2); 一般地，随机变量线性组合的数学期望，等于随机变量数学期望的线性组合，即 = 4. 设X、Y独立，则 E(XY)=E(X)E(Y); 推广：设X1，…，Xn独立, 则有 注意:由E(XY)=E(X)E(Y) 不一定能推出X,Y独立 (5) 若随机变量只取非负值，即 X ? 0, 又E(X)存在，则E(X)? 0. 推论：若X ? Y, E(X)，E(Y)都存在，则 E(X) ? E(Y) 特别地，若a ? X ? b，且 a，b为常数，则E(X)存在，且 a ? E(X) ? b 例15 设X 的概率密度为 其中a, b为常数，且E（X）=3/5。求a, b 的值。 答案: 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均，是随机变量的一个重要的数字特征. 但是在一些场合，仅仅知道随机变量取值的平均是不够的. 学习方差的原因如下: 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 若让你就上述结果评价一下两台仪器的优劣，你认为哪台仪器好一些呢？ 乙仪器测量结果 甲仪器测量结果 较好 测量结果的均值都是 a 因为乙仪器的测量结果集中在均值附近 又如, 甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 你认为哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因为乙炮的弹着点较集中在中心附近 . 中心 中心 为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度. 这个数字特征就是我们下面要介绍的 方差 §4-2 方 差 一. 方差的概念 设随机变量X的数学期望为E(X),若E(X-E(X))2存在, 则称它为X 的方差（此时，也称X的方差存在），记为D(X)或Var(X),即 D(X)=E(X-E(X))2 定义 称D(X) 的算术平方根 为X的标准差或均方差，记为?(X). 若X的取值比较分散，则方差较大 . 刻划了随机变量的取值相对于其数学期望 的离散程度 . 若X的取值比较集中，则方差较小； D(X)=E[X-E(X)]2 方差 注意： 1) D(X)?0，即方差是一个非负实数。 2）当X 服从某分布时，我们也称某分布的方差 为D(X)。 方差是刻划随机变量取值的分散程度的一个 特征。 方差的计算公式 (1) 若X为离散型随机变量，其分布律为 pi = P(X=xi), i=1, 2, ... , 且D(X )存在，则 由定义可知，方差是随机变量X的函数 g(X)=[X-E(X)]2的数学期望 . （2）若X为连续型随机变量，其概率密度为f(x)，且D(X)存在，则 （3）若随机变量的方差D(X)存在，则 证明如下: * 第四章 随机变量的数字特征 在前面的课程中，我们讨论了随机变量的分布，随机变量的分布能够完整地描述随机变量的行为。 现在我们开始学习随机变量的数字特征 讨论随机变量的数字特征的原因如下： 在实际问题中，随机变量的概率分布一般是较难确定的。而它的一些数字特征较易确定，人们只需要知道它的某些数字特征. 在实际应用中，人们有时更关心概率分布的数字特征. 此外，对于一些常见分布，如二项分布、泊松分布、指数分布、正态分布等，其中的参数恰好是分布的某些数字特征. 只要能够确定分布的数字特征，也就能够完全确定分布. 在这一章中，我们主要研究以下数字特征: 数学期望，方差, 相关系数和矩 下面先讨论数学期望 一、离散型随机变量的数学期望 例1 某车间对工人的生产情况进行考察. 车工小马每天生产的废品数X是一个随机变量. X的分布律为 现观测N天，发现有n0天出现0个废品，有n1天出现1个废品，有n2天出现2个废品。 求小马平均一天生产的废品数 N天中小马生产的废品总数为 于是小马平均一天生产的废品数为 ni / N是事件{X=i }发生 的频率，当N 很大时，它 稳定于事件{X=i }的概率pi