第四章随机变量的特征数.pptVIP

* * 第四章 随机变量的特征数 §4.1 若统计100天, 例1 某车间对工人的生产情况进行考察. 车工每天生产的废品数X是一个随机变量. 如何比较车工的技术水平？ 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 比较X的平均值 可以想象，若另外统计100天，该车工不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 一般来说,若统计n天, 这是 以频率为权的加权平均 由频率和概率的关系 不难想到，在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X的平均值 . 这样做是否合理呢？ 设X是离散型随机变量，它的概率函数是: P(X=xk)=pk , k=1,2,… 如果 有限,定义X的数学期望 定义 否则称X的数学期望不存在。 ■离散型随机变量的数学期望 例2：某射手连续向一目标射击，直到命中为止，设他每发命中的概率是p，求平均射击次数。 例1：甲乙两人进行射击，射击的环数X、Y的分布律如下，问哪个射手水平较高？ X 8 9 10 Pk 0.1 0.7 0.2 Y 8 9 10 Pk 0.35 0.4 0.25 例3：设X的概率分布为： 若已知E(X)=a,求常数A,B. 设X是连续型随机变量，其密度函数为 f (x),如果 绝对收敛,则定义X的数学期望为 定义 否则称X的数学期望不存在. ■连续型随机变量的数学期望 例4: 设X~N(μ,σ2)，求E(X). 例5: 设X的概率密度如下，求E(X). 设X是一个随机变量，Y=g(X)，则 当X为离散型时,P(X= xk)=pk ; 当X为连续型时,X的密度函数为f(x). ■随机变量函数的数学期望 例6：已知离散型随机变量X的分布列为 求X2的数学期望。 X -2 -1 0 1 2 Pk 0.1 0.3 0.3 0.2 0.1 设(X,Y)是二维随机变量，Z=g(X,Y)，则 二维随机变量函数的数学期望 例1：设随机变量X，Y相互独立，且均服从N( 0 , 1 )，求 。 1. 设a,b是常数，则E(aX+b)=aE(X)+b; 2. E(X+Y) = E(X)+E(Y); ■数学期望的性质 3. 设X、Y独立，则 E(XY)=E(X)E(Y); 例10： 将n个球放入M个盒子中，设每个球落入各个盒子是等可能的，求有球的盒子数X的数学期望。 例9：设X~B(n,p),求E(X). §4.2 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 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 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这一讲要介绍的 方差 方差的算术平方根 称为标准差 设X是一个随机变量，若E[(X-E(X)]2∞，则称 D(X)=E[X-E(X)]2 (1) 为X的方差. ■方差的定义 例1：设X服从参数为p的0-1分布，求D(X). 例2 设X~N(μ,σ2)，求D(X). 例3 设X~E(?)，求D(X). 1. 设a,b是常数，则D(aX+b)=a2D(X); ■方差的性质 2.设X,Y为相互独立的随机变量，则 D(X+Y)=D(X)+D(Y) 例4: 设X~B(n,p),求D(X). ■常见分布的期望和方差 指数分布 均匀分布 正态分布 泊松分布 二项分布 两点分布 方差 期望 概率分布 名称 ■切比雪夫不等式 由切比雪夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X集中在期望附近的可能性越大. 设随机变量X有期望E(X)和方差 ，则