随机变量的分布.pptVIP

随机变量的分布 离散型分布是一点一点的, 不连续的。 连续型分布是一条连续的曲线： f(x) 是概率密度或密度函数，可以计算x 在a与 b 之间的分布。 Expectation and variance数学期望, 方差 随机变量的数学特征 Statistics of location, Central tendency Statistics of dispersion EX ：X的数学期望 定义: 设离散型随机变量的X的分布列为 EX = ∑ ak pk An example Total ticket number 100,000 Properties of EX E(c ) = C E(X + C) = E(X) +C E(kX) = k E(X) E(kX + C) = kE(X) + C DX: variance of X Definition: DX = E(X-EX)2 = ∑(ak –EX)2 pk DX = EX2 –(EX)2 Properties of DX D(c ) = 0 D(kX) = k2 D(X) D(X+C) = D(X) D(kX +C) = k2 D(X) X~B(n, p) EX = np DX=npq Continuous variable distribution The normal distribution Probability density function Distribution function 随机变量的函数的数学期望 连续型随机变量x 的分布函数为f(x), 若积分∫∞-∞xf(x)dx绝对收敛，则称其值为x 的数学期望，或真值，记为E(X): E(X) = ∫∞-∞xf(x)dx 正态分布的随机变量x 数学期望 E(X) = μ 方差的定义 若 E(X –E(X))2 存在，则称它为随机变量的方差，并记为D(X): D(X) = E(X-E(X)) 2 正态分布的方差为： D(X) = σ2 证明 D(X) = E(X 2) –(E(X)) 2 正态分布（The normal distribution) F(x), f(x) EX = μ, DX = σ2 X ~ N (μ, σ2) Conditions that tend to produce normal distributions There are many factors affecting the distribution These factors are independent in occurrence The factors are independent in effect, that is, their effects are additive The factors make equal contributions to the variance 随机变量 X 服从参数为 μ, σ 的正态分布, 简记作 X ~ N( μ, σ2) 标准正态分布: X ~ N(0,1) Percents of the items μ± σ contains 68.27% of the items μ± 2σ contains 95.45% of the items μ± 3σ contains 99.73% of the items Departures from normality σ 越小, 集中趋势越明显; σ 越大, 曲线越扁平. Skewness: asymmetry Skewed to left or right Kurtosis: peakedness Platykurtic and Leptokurtic 统计量的分布 什么是统计量？ 不含未知参数的简单随机样本的函数 平均值的分布： （μ，σ2/n） 设某市每个家庭的人均年收入服从正态分布, μ =2500, σ = 600. 现若从总体中抽取一包括100个家庭的简单随机样本，试求其人均年收入的平均值落入2400元至2600元的概率。 解：100个样本服从正态分布 N (2500, 6002/100), 所要求的概率是 P (2400 X 2600). (X –2500)/(600/10) 服从标准正态分布 某厂生产钢板，根据生产规定要求均值 μ=5 mm, σ=1 mm. 在一批出口钢板中任抽50块检查，问样本均值在4.72~5.28 mm 的概率是多大？ 解：样本大小n=50, 均值服从正态分布 N(μ, σ2/n) =N (5, 1/50)