4.随机变量数字特征m.ppt

第一节 数学期望 一、数学期望的概念 二、数学期望的性质 三、随机变量函数的数学期望 四、小结 第二节　方　差 一、随机变量方差的概念及性质 二、重要概率分布的方差 三、例题讲解 四、小结 第三节 协方差及相关系数 一、协方差与相关系数的概念及性质 二、相关系数的意义 第四节　矩、协方差矩阵 一、基本概念 二、n 维正态变量的性质 1. 问题的提出 解得 2. 相关系数的意义 例3 解 1 不相关与相互独立的关系 3. 注意 相互独立 不相关 2 不相关的充要条件 4. 相关系数的性质 证明 仅证性质（1），对（2）做直观说明. 性质 意义是： 的观测结果几乎处处在一条直线上. 相关系数等于±1等价于随机点（X,Y） 一、基本概念 二、n 维正态变量的性质 1.定义 2. 说明 3. 协方差矩阵 协方差矩阵的应用 协方差矩阵可用来表示多维随机变量的概率密度，从而可通过协方差矩阵达到对多维随机变量的研究 由于 引入矩阵 4 设 X, Y 相互独立, D X , D Y 存在, 则 证明 推广 1. 两点分布 已知随机变量 X 的分布律为 则有 2. 二项分布 则有 设随机变量 X 服从参数为 n, p 二项分布,其分布律为 3. 泊松分布 则有 所以 4. 均匀分布 则有 5. 指数分布 则有 6. 正态分布 则有 分布 参数 数学期望 方差 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布 常见分布的数学期望与方差 解 例1 于是 解 例2 解 例3 解 例4 契比雪夫不等式 证明 取连续型随机变量的情况来证明. 切比雪夫不等式 得 1. 方差是一个常用来体现随机变量 X 取值分散程度的量. 如果 D X 值大, 表示 X 取值分散程度大, E X 的代表性差; 而如果 D X 值小, 则表示 X 的取值比较集中, 以 E X 作为随机变量的代表性好. 2. 方差的计算公式 3. 方差的性质 4. 契比雪夫不等式 一、协方差与相关系数的概念及性质 二、相关系数的意义 1. 问题的提出 协方差 2. 定义 3. 说明 4. 协方差的计算公式 证明 5. 性质 两个重要结论 ? ? 解 例 1 一、数学期望的概念 二、数学期望的性质 三、随机变量函数的数学期望 四、小结 引例1 分赌本问题 产生背景 A, B 两人赌技相同, 各出赌金100元,并约定先胜三局者为胜, 取得全部 200 元.由于出现意外情况 ,在 A 胜 2 局 B 胜1 局时,不得不终止赌博, 如果要分赌金,该如何分配才算公平? 第二局 第一局 A 胜 2 局 B 胜 1 局 前三局: 后二局: 把已赌过的三局 A 胜2局B 胜1局 与上述结果相 结合, 即 A、B 赌完五局, A A A B B A B B A 胜 B 胜 分析 假设继续赌两局,则结果有以下四种情况: A A A B B A B B A胜B负 A胜B负 A胜B负 B胜A负 B胜A负 A胜B负 B胜A负 B胜A负 因此, A 能“期望”得到的赌金应为 而B 能“期望”得到的赌金, 则为 故有, 在赌技相同的情况下, A, B 最终获胜的 可能性大小之比为 即A 应获得赌金的 而 B 只能获得赌金的 因而A 期望所得的赌金即为X 的 “期望”值, 等于 X 的可能值与其概率之积的累加. 即为 设随机变量 X 表示 “在 A 胜2局B 胜1局的前提 下,继续赌下去 A 最终所得的赌金” . 则X 所取可能值为: 其概率分别为: 1. 离散型随机变量的数学期望 如分赌本问题 A期望所得的赌金即为X 的数学期望 关于定义的几点说明 ? E X 是一个实数, 而非变量,它是一种加权平均,与一般的平均值不同,它从本质上体现了随机变量 X 取可能值的真正的平均值,也称均值. ? 级数的绝对收敛性保证了级数的和不随级数各项次序的改变而改变, 之所以这样要求是因为数学期望是反映随机变量 X 取可能值的平均值, 它不应随可能值的排列次序而改变. 试问哪个射手技术较好? 实例1 谁的技术比较好? 乙射手 甲射手 解 故甲射手的技术比较好. 实例2 发行彩票的创收利润 某一彩票中心发行彩票10万张, 每张2元. 设头等奖1个, 奖金1万元；二等奖2个, 奖金各5千元； 三等奖10个, 奖金各1千元； 四等奖100个, 奖金各100元； 五等奖1000个, 奖金各10元. 每张彩票的成本费为0.3元, 请计算彩票发行单位的创收利润. 每张彩票平均可赚 每张彩票平均能得到奖金 因此彩票发行单位发行 10 万张彩票的创收利润为 解 设每张彩票中奖的数额为随机变量 X, 则 2.连续型随机变量数学期望的定义 解 因此, 顾客