概率和数理统计-数字特征.ppt

常见分布的数字特征 协方差的性质与应用 相关系数的性质 均值与方差性质比较 本张幻灯片以后为习题课内容 单元测验 三.相关系数（无量纲） 相关系数绝对值越大，变量间的线性相关度越高。 不 相 关 独 立 例. X,Y 的联合概率分布为: X -1 0 1 Y -1 0 1 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 求X,Y的相关系数ρXY. 解: 由对称性知 EY EX 0 EY2 EX2 3/4 所以 Cov X,Y EXY-EXEY 0 亦即 ρXY 0 解: 由对称性: 例 P101 设 在矩形区域 上服从均匀分布，试判断 与 是否相关？ x o 1 1 y 方法一 方法二 求出相关系数 利用独立与不相关的关系 （1）求出协方差或相关系数 （2）独立一定不相关； 0，不相关 ?0，相关 判断是否相关的两种方法： 例 P101 设 在圆形区域 上服从均匀分布，试判断 与 是否相关，是否独立？ 解 因为 x,y 的联合密度为 图3.2.2 x o 1 y -1 所以 同理 所以X与Y的协方差为 即X与Y不相关。 因为 所以 同理 由于对 有 故X与Y不独立。 第3.3节 大数定律与中心极限定理 1. 大数定律 定义 设随机变量序列 Xn ，若存在常数a，使对任意ε 0，有 1 则称此序列依概率收敛于a,记作 定理（切比雪夫大数定律） 设随机变量序列 Xn 相互独立，且均存在数学期望E Xn un，方差D Xn σ2n ＜k n 1,2,... , 其中常数k与n 无关，则对任意的ε＞0 ，有 定理 设 Xn 为相互独立的随机变量序列，且有相同的期望与 方差： E Xn μ，方差D Xn σ2 n 1,2,... , ，则对任 意的ε＞0 ，有 定理（贝努利大数定律） 设每次实验中事件A发生的概率 为p，n次重复独立实验中事件A发生的次数为μ n，则对任 意的ε＞0 ，有 ２．二项分布： 若在一次实验中成功的概率为p,则n次独立重复实验中成功的次数X服从二项分布: 复习：１．正态分布 2. 中心极限定理 中心极限定理 （林德贝格-勒维） 设X1,X2,…,X n,…为独立同分布序列,期望μ,方差σ2 0, 以上定理表明只要n比较大,就有近似结果: 例.　用机器包装味精,每袋净重为随机变量,均值为100克,标准差为10克,一箱内装200袋,求一箱净重大于20500克的概率? 解: 设一箱味精净重为X,箱中第i袋味精净重Xi, i 1,2,…,200 则 X1,X2,…,X200独立同分布, EXi 100, DXi 102 100, 由中心极限定理，X近似服从正态分布， EX 200EXi 20000, DX 200DXi 20000, P X 20500 1-P X≤20500 0.0002 故一箱味精净重大于20500的概率为0.0002. 例：某人一次射击,命中环数X的分布列为 求100次射击中命中环数在900环到930环之间的概率. X P 10 9 8 7 6 0.8 0.1 0.05 0.02 0.03 解:设X表示100次中命中的总环数,Xi表示第I次命中的环数, 则 X1,X2,…,X100 相互独立同分布, EXi 9.62, DXi 0.82, 且 EX 962, DX 82, P 900 X 930 故 X近似~N 962,82 0. 00021 例（P108） 一生产线生产的产品成箱包装,每箱的重量是随机的.假设每箱平均重50kg,标准差为5kg.若用最大载重量为5吨的汽车承运,试用中心极限定理说明每车最多可以装多少箱,才能保障不超载的概率大于0.977. 解 设Xi i 1,2,…,n 为第i箱的重量,n是所求的箱数.则 X1,X2,…,Xn独立同分布, EXi 50, DXi 52 25,令 由中心极限定理得 所以 即最多可以装98箱. 注意: 1 定理表明，当n重 Bernoulli实验次数很大时，二项分布 B n，p 可用N np,npq 分布近似 . 2 P X m 近似等于P m-0.5 X≤m+0.5 例3.3.2.设每颗炮弹命中目标的概率为0.01,求500发炮弹中 命中 5发的概率。 解: 设X表示命中的炮弹数, 则 X~B 500,0.01 0.17635 2 np λ 5,应用Possion逼近: 0.17547 3 应用正态逼近: X~N 5,4.95 P X 5 P 4.5 X≤5.5 0.1742 显然,本例中Possion 逼近较正态逼近更精