概率和数理统计(五).docVIP

第四章 随机变量数字特征 随机变量的概率分布完整地描述了随机变量的统计规律，但在实际问题中，求得随机变量的概率分布并不容易，而且对某些问题来说，只需要知道它的某些特征，我们把刻划随机变量某些特征的数值称为随机变量的数字特征。 一、随机变量的数学期望 1、离散型随机变量的数学期望 为引出数学期望的概念,我们先看一例子: 设有十个数:1，1，2，2，2，3，3，3，3，4 表示平均值，则有： 2.4 上式又可写成为： 1×+2×+3×+4× 2.4 这里，，，实际是数字1，2，3，4出现的频率。如果把频率改成概率，就是我们讲的数学期望，随机变量X的数学期望用符号E X 表示。 如果离散型随机变量X的分布律为 i 1、2、, 则X数学期望计算式： E X 即数学期望值是把所有的随机变量可能取值Xi与其对应的概率Pi的积相加 常见的离散型随机变量数学期望 两点分布 E X 0 两项分布: X~B n,p E X np 证明略 泊松分布:X~P λ E X λ 证明略 P88 例4-3 例4-4 如果离散型随机变量X的分布律为 i 1、2、 令Y g X 则随机变量Y的期望为：E Y E g X P88 例4-5 p89 例4-6 2、连续型随机变量的期望 设f x 为连续型随机变量X的密度函数，则X的数学期望为 P89 例4-7 常见的连续型随机变量数学期望 X在[a,b]上服从均匀分布， E X 指数分布 X~E λ ， E X 正态分布 ， E X 设X为连续型随机变量，其密度函数为fx x ，而随机变量则 E Y E g x P91 例4-9 3、二维随机变量的函数的期望 （1）二维随机变量X和Y的期望 若 X,Y 为离散型随机变量，若其分布率为 p X ,Y ，边缘分布分别为： 则 E X E Y 例：已知两维随机变量（X,Y）的概率分布为 Y X 0 1 2 0 1/4 1/6 1/8 1 1/4 1/8 1/12 求E X 和E Y 解：先求X和Y的边缘分布和 Y X 0 1 2 0 1/4 1/6 1/8 13/24 1 1/4 1/8 1/12 11/24 1/2 7/24 5/24 E X 0* 12/24 +1* 11/24 11/24; E Y 0* 1/2 +1* 7/24 +2* 5/24 17/24 若 X,Y 为连续型随机变量，f x,y ,fx x ,fy y 分别为 x,y 的概率密度和边缘概率密度 则 E X E Y （2）二维随机变量（X,Y）的函数g x,y 的数学期望 离散型：E g x,y 满足收敛条件 连续型：E g x,y （满足收敛条件） P92: 例4-12 4、期望的性质： （1） E C C C为常数，下同 （2）E CX CE X （3）E X+Y E X +E Y 可以推广为：E C1X+C2Y C1E X +C2E Y E X1+X2+…+Xn E X1 +E X2 + …E Xn E C1X1+C2X2+…+CnXn C1E X1 +C2E X2 + …CnE Xn （4）若两个随机变量X,Y互相独立，则 E XY E X E Y 可以推广：若X1，X2，…，Xn互相独立，则E X1X2，…Xn E X1 E X2 …E Xn 二、方差 1、方差的概念 下列甲、乙两组各4个数，平均值都是6，显然甲的数据与平均值6比较“集中”，乙的数据与平均值6比较“分散”。 甲： 6、7、6、5 乙： 3、14、5、2 如何刻划（或度量）一组数据的“集中”和“分散”程度？ 可以用组中每个数与这组数平均值的差（称为离差）累加后取平均，但结果发现离差会正负抵消: [ 6-6 + 6-7 + 6-6 + 6-5 ]/4 0-1-+0+1 0/4 0 [ 6-3 + 6-14 + 6-5 + 6-2 ]/4 3-8+1+4 /4 0/4 0 当然可以将离差的取绝对值后累加再平均，但绝对值在数学处理上会带来不便。 自然想到的是取离差的平方累加再平均： 甲：[ 6-6 2+ 6-7 2+ 6-6 2+ 6-5 2]/4 0+1+0+1 /4 0.5 乙：[ 6-3 2+ 6-14 2+ 6-5 2+ 6-2 2]/3 9+64+1+16 /4 22.5 实际上把甲、乙数据整理成概率分布律的形式为： X 5 6 7 X 2 3 5 14 p 1/4 1/2 1/4 p 1/4 1/4 1/4 1/4 甲： 6-5 2×1/4+ 6-6 2×1/2+ 6-7 2×1/4 0.5 乙: