数理统计第二章 数字特征.pptVIP

* * 随机变量的数字特征 随机变量概率分布(或密度函数)及分布函数能全面了解统计规律性，可以计算随机变量取各个值或一个区间的概率大小。 但在实际中，很难得到一个精确的密度函数及分布函数，再者有时只需知道随机变量的一些特征就可说明实际问题，如平均值和离散程度。 数字特征就是用来表示‘平均值’和‘离散程度’等的量，分两类： 1、表示随机变量均值特征(大小或位置)的数学期望、中位数、众数等； 2、表示离散程度的方差、变异系数、协方差等。 §2.1 数学期望 离散型随机变量数学期望 连续型随机变量数学期望 随机变量函数的数学期望 一、数学期望定义 (一)离散型随机变量的数学期望 例1 某人在某游戏中所得分数X的分布列为： p 0 0.2 0.5 0.3 X 0 1 2 3 ，求所得分数X的平均值。 解：假设进行了N次游戏，当N足够大时，可认为：NP1次得1分，NP2次得2分，NP3次得3分。 总分数为 0×NP0+1×NP1+2×NP2+3×NP3 故X的平均值=总分数/N = 1×P1+2×P2+3×P3=1x0.2+2x0.5+3x0.3=2.1 定义1 设离散型随机变量X的概率分布为 P(X=xi)=pi(i=1,2,…) (二)连续型随机变量的数学期望 定义3 设连续型随机变量X的密度函数为f(x) 例3 随机变量X的密度函数为 求E(X) (三) 随机变量函数的数学期望 离散型随机变量X的概率分布为P(X=xi)=pi (i=1,2,…)，则其函数Y=g(X)的数学期望为 连续型随机变量X的密度函数为f(x),则其函数g(X)的数学期望为 案例2-22 (四)数学期望的性质 1、C为常数 则E(C)=C 2、C为常数 则E(CX)=CE(X) 3、E(X±Y)=E(X)±E(Y) (可推广到多个随机变量) 4、设X,Y相互独立，则E(XY)=E(X)E(Y) (可推广到多个随机变量) P33 三、中位数、众数和分位数 1、中位数(Median) 定义5 设X为一随机变量，若存在实数x,有 则称x为X的中位数，记作 Me 例6 设X的概率函数为 p 0.1 0.2 0.4 0.3 X -1 0 1 2 求X的中位数。 解 因为P{X≤1}=P(X=-1)+P(X=0)+P(X=1) =0.1+0.2+0.4=0.7≥0.5 而P{X≥1}=P(X=1)+P(X=2)=0.4+0.3=0.7≥0.5 所以X的中位数Me=1 。 (3)中位数可能不是样本值。 注意 (1)中位数可能不唯一. (2)连续型随机变量中位数是F(x)=1/2的解. 2、众数(mode) 定义6 (离散型)设随机变量X的分布律为P(X=xi)=pi(i=1,2,…)，且x1,x2,…,xn由小到大排列，若存在xk,有 pk-1pk且 pkpk+1，则称xk为X的众数，记作 Mo 例9 设X的概率函数为 p 0.1 0.2 0.4 0.3 X -1 0 1 2 ,求X的众数。 解 因为P(X=1)P(X=0)且P(X=1)P(X=2)， 所以X的众数Mo=1 3、α分位数(α临界值) 定义9(右侧α分位数) 设X为一随机变量，若存在数xα,满足 则称xα为X概率分布的右(上)侧α分位数(α临界值)。 α 定义10(双侧α分位数) 设随机变量X概率分布关于x=0对称，若存在数xα/2,满足 α /2 α /2 则称xα/2 为X概率分布的双侧α分位数(α临界值)。 由右图易见，对关于x=0对称的图形有： 左侧α临界值 u1-α /2=-uα /2 例11 若随机变量X～N(0,1),求下列右侧和双侧临界值 u0.05 u0.05/2 u1-0.05 u0.975 解 查p194 附表4 u0.05=u0.1/2=1.64 u0.05/2=1.96 u1-0.05=-u0.05=-1.64 u0.975=-u0.025=-u0.05/2=-1.96 书后附录中列出了一些常用概率分布的临界值表，都是按上述原理编制的，实际中经常用到，应会查。查表时要注意是上侧临界值表还是双侧临界值表，并注意α值的转换。 小 结 1、基本概念：数学期望、 α分位数、中位数、众数、百分位数。 2、基本性质与运算：数学期望性质及运算。 § 方 差 * *