newCh4_随机变量的数字特征.pptVIP

  1. 1、本文档共58页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
newCh4_随机变量的数字特征.ppt

解: 例 单点分布(退化分布) 即常数的方差为零。 例 X ~(0—1)分布 X 0 1 p 1-p p 即 r.v.X的分布律为:P{X= c }=1 即 r.v.X的分布律为: 例 X~B(n,p)二项分布 即 r.v.X的分布律为: 例 X~????(或????)Poisson分布 即 r.v.X的分布律为: 例 X~U(a,b)均匀分布 其概率密度函数为: 例 指数分布 X服从参数为?的指数分布,其概率密度函数为: 其概率密度函数为: 例 正态分布 X ~ N( ) 3. 方差的性质 (1) D(aX+b)= a2D(X ), a, b为常数; (2) 若 X,Y 独立,则 D(X+Y )= D(X )+D(Y ); (3) D(X )=0? 存在常数C,使 P{X=C }=1, 且C=E(X ); (4) 对任意C?R, E(X?C)2 ? D(X ), 且 minE(X?C )2=E[X?E(X )]2=D(X ). 若X1, X2 , ? , Xn 相互独立,则 D(X1+ X2+? +Xn )= D(X1 )+ D(X1 )+ ?+D(Xn ); 若 X,Y 独立,则 D(X?Y )= D(X )+D(Y ); 以 X 记 n 重贝努里试验中A发生的次数,则 X~B(n,p) 若记 若在第 i 次试验中 A 发生; 若在第 i 次试验中 A 不发生。 X 0 1 P 1-p p 1, 0, ?E(Xi )=p , D(Xi )=p(1-p) 又 X=X1+ X2 +?+ Xn , ?E(X )=E(X1 )+E( X2 ) +?+ E(Xn ) =np , D(X )=D(X1 )+D( X2 ) +?+ D(Xn ) =np(1-p) . 例:(方差性质的应用) 例: 称为X 的均方差或标准差,其量纲与X的一致。 易知 E(X ? )=0,D(X ? )=1. ? 切比雪夫不等式 若 r.v.X的期望和方差存在,则对任意? ? 0,有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下几种等价的形式: 记 =D(X ), =E(X ), 则对k 0, 有 4、常用的关于方差的不等式 ? (Cauchy-Schwarz不等式) 若对任意的 r.v. X、Y,若E(X 2) +?, E(Y 2) +?,则 [E(XY )]2? E(X 2) E(Y 2) 当且仅当P{Y= kX }=1时等号成立,其中k为某常数。 例 1 假设一批种子的良种率为 ,从中任意选出600粒,试用切比晓夫不等式估计:这600粒种子中良种所占比例与 之差的绝对值不超过0.02的概率。 * * Ch4 随机变量的数字特征 引子 在最前面我们研究过这样一个问题 :把两颗骰子掷出去,以每个骰子朝上的点数之和作为赌的内容。已知骰子的六个面上分别为1~6点,那么,赌注下在多少点上最有利? 另外一个问题:赌注的大小如何设计才是最公平的? 第一个问题:公平赌博问题 第二个问题:选择灯泡(等家电)问题 给你一堆灯泡,你应该选择哪一个? 灯泡的平均寿命和灯泡寿命相对于平均寿命的偏差.平均寿命越长,灯泡的质量就越好,灯泡寿命相对于平均寿命的偏差越小,灯泡的质量就越稳定. 小结 在实际问题中,概率分布一般是较难确定的. 而且在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些确定性的特征就够了. 确定性的特征=数字特征 第一节、数学期望(Expectation) 一? 加权平均数 例 设某班40名学生的概率统计成绩及得分人数如下表所示: 分数 40 60 70 80 90 100 人数 1 6 9 15 7 2 则学生的平均成绩是总分÷总人数(分)。即 上式也可以写成: 这种计算方法即为40,60,70,80,90和100这六个数的 加权平均数。 其中 称为数 的权重。 的加权算术平均数 为: 一般地有 X 40 60 70 80 90 100 P 1/40 6/40 9/40 15/40 7/40 2/40 现引进 r.v. X表示学生得分

文档评论(0)

caijie1982 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档