4.随机变量的数字特征（未完）.pptVIP

第四章 随机变量的数字特征 本章要求 随机变量的期望 随机变量的方差 随机变量的协方差和相关系数 本章要求：理解期望与方差的概念,掌握期望与方差的性质、计算，会计算随机变量函数的期望。掌握两点分布、二项分布、泊松分布、指数分布和正态分布的期望与方差。了解协方差、相关系数的概念及性质，会求相关系数，知道矩与协方差阵的概念及求法。 4.1随机变量的期望 4.1随机变量的期望4.1.1 离散型随机变量的期望 4.3 协方差及相关系数 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的 协方差和相关系数 例 特注P93例4-13 4.1.4数学期望的性质 1. 设C是常数，则E(C)=C; 4. 设X、Y 相互独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X+Y) = E(X)+E(Y); （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 例 设随机变量X服从标准正态分布，求随机变量 Y=aX+b的数学期望(其中a0) 解：E(Y)=E(aX+b)= E(aX)+E(b)= aE(X)+b =a*0+b=b 可见，服从参数为n和p的二项分布的随机变量X的数学期望是 n p. X~B(n,p), 若设 则 X= X1+X2+…+Xn = np i=1,2，…，n 因为 P(Xi =1)= p, P(Xi =0)= 1-p 所以 E(X)= 则X表示n重贝努里试验中的“成功” 次数. E(Xi)= = p 例 设随机变量X??N(0,1)，Y?U(0,1)，Z?B(5,0.5),且X，Y，Z独立，求随机变量 U=（2X+3Y)(4Z-1)的数学期望. 例 设随机变量 相互独立，且均服从 分布，求随机变量 的数学期望 答: 答: 例 把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望. 由于 E(Xk)=P(Xk =1) 解: 设巧合个数为X, k=1,2, …,n 则 故 引入 例 一民航送客车载有20位旅客自机场开出,旅客有10个车站可以下车,如到达一个车站没有旅客下车就不停车.以X表示停车的次数，求E(X).(设每位旅客在各个车站下车是等可能的,并设各旅客是否下车相互独立) 按题意 本题是将X分解成数个随机变量之和,然后利用随 机变量和的数学期望等于随机变量数学期望的和来求 数学期望的,此方法具有一定的意义. 小结 这一讲，我们介绍了随机变量的数学期望，它反映了随机变量取值的平均水平，是随机变量的一个重要的数字特征. 接下来的一讲中，我们将向大家介绍随机变量另一个重要的数字特征： 方差 4.2方差 设X是一个随机变量，若E[(X-E(X)]2存在 , 称 E[(X-E(X)]2 为 X 的方差. 记为D(X)或Var(X)，即 D(X)=Var(X)=E[X-E(X)]2 4.2.1方差的概念 若X的取值比较分散，则方差D(X)较大. 方差刻划了随机变量的取值对于其数学期望的离散程度 . 若X的取值比较集中，则方差D(X)较小； 因此，D（X）是刻画X取值分散程度的一个量，它是衡量X取值分散程度的一个尺度。 X为离散型， 分布率 P{X=xk}=pk 由定义知，方差是随机变量 X 的函数 g(X)=[X-E(X)]2 的数学期望 . 方差的计算 X为连续型，X概率密度f(x) 计算方差的一个简化公式 D(X)=E(X2)-[E(X)]2 展开 证：D(X)=E[X-E(X)]2 =E{X2-2XE(X)+[E(X)]2} =E(X2)-2[E(X)]2+[E(X)]2 =E(X2)-[E(X)]2 利用期望 性质 例 设随机变量X具有(0—1）分布，其分布率为 求D(X) . 解 由公式 因此,0-1分布 例2 解 X的分布率为 上节已算得 因此,泊松分布 例3 解 因此,均匀分布 例4 设随机变量X服从指数分布,其概率密度为 解 由此可知,指数分布 4.2.3方差的性质 1. 设C 是常数, 则 D(C)=0 ; 2. 若 C 是常数, 则 D(CX)=C2 D(X) ; 3. 设 X 与 Y 是两个随机变量，则