随机变量的数字特征课件.pptVIP

习 题 课 ——随机变量的数字特征 一、内容小结 二、例题分析 三、补充练习 一、内容小结 1. 随机变量的数字特征的意义 分布函数 密度函数 数学期望 描述了随机变量的概率取值中心—均值 详细地描述了随机变量的概率分布情况 相关系数 描述了X与Y的线性相关程度 方 差 描述了随机变量的取值与期望的偏离程度 方差 D(X) 协方差 Cov(X,Y) Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} Cov(X,Y)= E(XY)-E(X)E(Y) D(X)=E{[X-E(X)]2} D(X)=E(X2)-E2(X) 相关系数 ?XY 数学期望 E(X) 函数Y=H(X) 连续型 离散型 在定义式中用H(x)代替x 2. 常用的数字特征的定义式与计算式 E(X2) = D(X) +E2(X) 计算期望的六个公式： 3. 常用的数字特征的性质 数学期望 E(aX+b)=aE(X)+b E(X+Y)=E(X)+E(Y) E(XY)=E(X)E(Y) X,Y相互独立 方差 D(aX+c)=a2D(X) D(X+Y)=D(X)+D(Y) X,Y相互独立 相关系数 X与Y相互独立 ？ Cov(X,Y)= E(XY)-E(X)E(Y) 有特殊情况 独立性与数字特征关系图 4. 几个常用的分布的数字特征 分布 (0-1)分布 二项分布 泊松分布 指数分布 均匀分布 正态分布 分布律或概率密度函数 期望 方差 p pq np npq 5. 其它 契比雪夫不等式 设{Xn}为相互独立的随机变量序列，E(Xi)存在,D(Xi)≤M，(i=1，2，… 则对 ??0，有 契比雪夫(大数定律)定理 独立同分布中心极限定理 设X1,X2,…,Xn,…独立同分布，E（Xn）=?，D（Xn）=? 2≠0，则 例1 P98T2 将3只球随机地逐个放入4只编号为1,2,3,4的盒子中,以X表 示至少有一只球的盒子的最小号码,试求E(X)。 xk=1,2,3,4,关键是求pk，样本点的总个数为43=64 ?用对立事件计算: k=4时, p4=1/64 分析:离散型,用公式 ?直接计算 1 2 3 4 1 2 3 4 k=1时, p1=(43-33)/64=37/64 k=3时, p3=(23-1)/64=7/64 k=2时, p2=(33-23)/64=19/64 1 2 3 4 1 2 3 4 1 2 3 4 二、例题分析 例2 P99T8 将n只球(1?n)随机地放进n只盒子中去,一只盒子只能装一 只球。若一只球装入与球同号的盒子中去,则称为一个配对. 记X为总的配对数,求E(X). 则有 利用性质E(X+Y)=E(X)+E(Y),关键是把X写成某些随机变量的和的形式，若记 分析: 1 2 3 4 5 n-2 n X的取值为: 0,1,2, ······，n。 用求分布律的方法十分困难 Xi 0 1 E(Xi)=1?(1/n)=1/n 所以 E(X)=n ? E(Xi)=1 这是一个典型的离散型的分布求数学期望的问题。 例3 设随机变量X的概率密度为 求Y=1/X2的数学期望和方差。 解: 这样,Y的数学期望存在但方差不存在 发散 例4P99T12设二维随机变量（X,Y)具有概率密度 （2）求 Cov(X,Y) 解：（1） 先求fX(x),fY(y) 求（1）X与Y是否相互独立。 X与Y不相互独立。 没有必要计算 ? Cov(XY)=0 例5 已知随机变量(X,Y)服从二维正态分布,并且X和Y分别服从正态分布 N(1,32)和N(0,42),X与Y的相关系数为-1/2,设Z=X/3+Y/2 (1)求Z的数学期望E(Z)和方差D(Z) (2)求X与Z的相关系数 解: (1) E(Z)=E(X)/3+E(Y)/2=1/3. 注意到 D(X)=9,D(Y)=16, 而 本题难点在于熟练掌握计算性质. P100 20、某个单位设置一个