北航概率统计课件13.pptVIP

* * 第五章 随机变量的数字特征 分布函数能够完整地描述随机变量的统计特 性，但在一些实际问题中，只需知道随机变量的 某些特征，因而不需要求出它的分布函数. 评定某企业的经营能力时，只要知道该企业 人均赢利水平； 例如： 研究水稻品种优劣时，我们关心的是稻穗的 平均粒数及每粒的平均重量； 检验棉花的质量时，既要注意纤维的平均长 度，又要注意 纤维长度与平均长度的偏离程度， 平均长度越长、偏离程度越小，质量就越好; * 考察一射手的水平，既要看他的平均环数 是否高，还要看他弹着点的范围是否小，即数 据的波动是否小. 由上面例子看到，与随机变量有关的某些 数值，虽不能完整地描述随机变量，但能清晰 地描述随机变量在某些方面的重要特征 , 这些 数字特征在理论和实践上都具有重要意义. 随机变量某一方面的概率特性 都可用数字来描写 * 随机变量的平均取值 —— 数学 期望 随机变量取值平均偏离平均值的 情况 —— 方差 描述两个随机变量之间的某种关 系的数 —— 协方差与相关系数 本 章 内 容 * §5.1 随机变量的数学期望 加 权 平 均 初 赛 复 赛 决 赛 总 成 绩 算术 平均 甲 乙 90 85 53 228 76 88 80 57 225 75 胜者 甲 甲 乙 甲 甲 3:3:4 2:3:5 2:2:6 73.7 70.0 66.8 73.2 70.1 67.8 甲 乙 乙 引例1 甲乙两学生参加数学竞赛, 观察其胜负 * 引例2 测量 50 个圆柱形零件直径（见下表） 则这 50 个零件的平均直径为 尺寸（cm） 8 9 10 11 12 数量（个） 8 7 15 10 10 50 * 换一个角度看，从这50个零件中任取一个零件， 它的尺寸为随机变量X , 则X 的概率分布为 X P 8 9 10 11 12 则这 50 个零件的平均直径为 称之为这 5 个数字的加权平均，数学期望的 概念源于此 * 定义1 设 X 为离散型随机变量，其概率分布为 若无穷级数 绝对收敛，则称其和为随机变量 X 的数学期望 记作 E( X ) 数学期望的定义 * 定义2 设 X 为连续型随机变量, 其密度函数为 若广义积分 绝对收敛，则称此积分为随机变量 X 的数学期望 记作 E( X ) 随机变量的数学期望的本质 —— 加 权 平 均， 它是一个数不再是随机变量 作 业 习题四 20，24，28，31 * “ ” “ ” * 问题：已知二维随机变量( X ,Y )的密度函数， g(x,y)为已知的二元函数，Z = g( X ,Y ) 求：Z 的密度函数 方法： 从求Z 的分布函数出发，将Z 的分布函数 转化为( X ,Y )的事件 建立一个新的二维随机变量(Z ,X )或(Z, Y ), 求其边缘分布得Z 的密度函数 二维连续型随机变量函数的分布 §3.4 二维随机变量函数的分布 * 正态随机变量的情形 若X ,Y 相互独立, 则 若 相互独立, 则 和的分布：Z = X + Y * 另一种计算 f Z (z) 的方法: 先构造一个新的二维随机变量(Z ,U ), 它们是 ( X , Y ) 的函数，而Z = aX +bY + c 或（X, Y）的其他函数 求( Z , U ) 的联合密度函数 f ( z, u ) 求边缘密度 f Z (z) * 设 存在唯一的反函数： h , s 有连续的偏导数，记 则 已知 ( X ,Y )的联合密度 f XY (x,y) 求(Z, U )的联合密度函数 f ZU(z, u) 的方法： * 利用此种方法也可以求某些其他的函数的密度 例如 已知(X ,Y )的联合概率密度 f (x,y)， Z = X / Y , 求 f Z(z) 令 例： 商的分布： Z = X / Y * 例4 已知( X, Y ) 的联合分布函数为 求Z = X / Y 的概率密度函数 解 * u z * 但是, 当反函数不唯一时, 或不易求时，仍需用 分布函数法 (3) 平方和的分布： Z = X 2+Y 2 设(X ,Y )的联合密度函数为 f (x,y) 则