3第二章+++随机变量及其分布解说.ppt

第二章 随机变量及其分布 2.1.2 离散型随机变量的分布 例 有奖储蓄，20万户为一开奖组，设特等奖20名，奖金4000元；一等奖120名，奖金400元；二等奖1200名，奖金40元；末等奖4万名，奖金4元。考察得奖金额 X 。 例有奖储蓄，20万户为一开奖组，设特等奖20名，奖金4000元；一等奖120名，奖金400元；二等奖1200名，奖金40元；末等奖4万名，奖金4元。考察得奖金额 X 。 概率分布的性质 例 民航送客车 解： 设停车次数为 X i = 1,2,…,10 则 X= X1+X2+…+X10 EX= EX1+EX2+…+EX10 P( Xi = 0 ) = P(Xi =1) = 1- ( 9/10 )20 ( 9/10 )20 =8.784 （次） 例 求二项分布的数学期望 X ~ B( n, p )，求 EX 解：X表示n重贝努里试验中的“成功” 次数。 则 X= X1+X2+…+Xn i=1，2，…，n EX = 因为 P{ Xi =1 } = p， P{ Xi =0 } = 1- p E ( Xi ) = = p = np 可见，服从参数为 n 和 p 的二项分布的随机变量 X 的数学期望是np. 上一节我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量的一个重要的数字特征。 但是在一些场合，仅仅知道平均值是不够的。 §2.3 随机变量的方差与标准差 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 甲仪器测量结果 乙仪器测量结果 测量结果的均值都是 a 较好 你认为哪台仪器较好一些呢？ 因为乙仪器的测量结果集中在均值附近 又如，甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 中心 中心 甲炮射击结果 乙炮射击结果 你认为哪门炮射击效果好一些呢? 因为乙炮的弹着点较集中在中心附近 . 乙炮 为此需要引进另一个数字特征，用它来度量随机变量取值在其中心附近的离散程度. 这个数字特征就是我们这一讲要介绍的 方差 设X是一个随机变量，若E(X-EX)2∞，则称： Var(X) = E ( X - EX )2 ( 1 ) 为X的方差。 方差的算术平方根 称为标准差 由于它与X具有相同的度量单位，在实际问题中经常使用。 2.3.1 方差的定义 由定义知，方差是随机变量X的函数 g ( X ) = [ X – E X ]2 的数学期望 。 X为离散型， P(X=xk)=pk X为连续型， X~f(x) 计算方差的一个简化公式 Var( X ) = E ( X 2 ) – ( E X )2 证：Var(X) = E [ X - E(X) ]2 =E { X2 – 2 X E(X) + [ E(X) ]2 } = E( X2 ) – 2 [ E(X) ]2 + [ E(X) ]2 = E ( X2 ) - [ E(X) ]2 1. 设C是常数，则 Var ( C ) = 0; 2. 若C是常数，则 Var ( CX )= C2 Var( X ) ； 3. 若X1与X2 独立，则： Var ( X1 + X2 ) = Var ( X1 ) + Var ( X2 ) ; 4. Var ( X ) = 0 P { X= C}=1， 这里 C = E ( X ) 2.3.2 方差的性质 例2 二项分布的方差 设 X ~ B( n， p )， 则X表示 n 重贝努里试验中的“成功” 次数。 若设 i=1，2，…，n EXi = P { Xi=1 } = p， E ( Xi2 ) = p， 故 D( Xi )= E ( Xi2 ) – ( EXi ) 2 = p - p2= p ( 1- p ) 由于X1 ， X2 ， … ， Xn 相互独立 于是 = np( 1- p ) 设随机变量 X 有期望 EX 和方差 ，则对于 任给 0， 或 由切比雪夫不等式可以看出，若 越小，则事件{ |X- EX | }的概率越大，即随机变量X集中在期望附近的可能性越大。 2.3.3 切比雪夫不等式 例 已知正常男性成人血液中，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200