浙大概率论与数理统计课件第四章随机变量的数字特征资料.ppt

第四章、随机变量的数字特征 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. 由此可见,研究随机变量与其均值的偏离程度是十分必要的.那么,用怎样的量去度量这个偏离程度呢?容易看到 这个数字特征就是我们这一节要介绍的 方差 能度量随机变量与其均值E X 的偏离程度. 但由于上式带有绝对值,运算不方便,通常用量 来度量随机变量X与其均值E X 的偏离程度. 一、方差的定义 设X是一个随机变量，若E[ X-E X ]2存在 , 称 E[ X-E X ]2 为 X 的方差. 记为D X 或Var X ，即 D X Var X E[X-E X ]2 若X的取值比较分散，则方差D X 较大. 方差刻划了随机变量的取值对于其数学期望的离散程度 . 若X的取值比较集中，则方差D X 较小； 因此，D（X）是刻画X取值分散程度的一个量，它是衡量X取值分散程度的一个尺度。 X为离散型， 分布率 P X xk pk 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 . 二、方差的计算 X为连续型，X概率密度f x 计算方差的一个简化公式 D X E X2 -[E X ]2 展开 证：D X E[X-E X ]2 E X2-2XE X +[E X ]2 E X2 -2[E X ]2+[E X ]2 E X2 -[E X ]2 利用期望 性质 例1 设随机变量X具有 0—1）分布，其分布率为 求D X . 解 由公式 因此,0-1分布 例2 解 X的分布率为 上节已算得 因此,泊松分布 例3 解 因此,均匀分布 例4 设随机变量X服从指数分布,其概率密度为 解 由此可知,指数分布 三、方差的性质 1. 设C 是常数, 则 D C 0 ; 2. 若 C 是常数, 则 D CX C2 D X ; 3. 设 X 与 Y 是两个随机变量，则 D X+Y D X +D Y +2E [X-E X ][Y-E Y ] 4. D X 0 P X C 1 , 这里C E X 下面我们证明性质3 证明 若 X,Y 相互独立, 由数学期望的性质4得 此性质可以推广到有限多个相互独立的随机变量之和的情况. 例6 设X~B n,p ，求E X 和D X . 若设 i 1,2，…，n 则 是n次试验中“成功” 的次数 下面我们举例说明方差性质的应用 . 解 X~B n,p , “成功” 次数 . 则X表示n重努里试验中的 于是 i 1,2，…，n 由于X1,X2,…, Xn 相互独立 np 1- p E Xi p, D Xi p 1- p , 例7 解 于是 例如, 例8 解 由于 故有 四、切比雪夫不等式 或 由切比雪夫不等式可以看出，若 越小，则事件 |X-E X | 的概率越大，即随机变量X 集中在期望附近的可能性越大. 证 我们只就连续型随机变量的情况来证明. 当方差已知时，切比雪夫不等式给出了r.v X与它的期望的偏差不小于 的概率的估计式 . 如取 可见，对任给的分布，只要期望和方差 存在， 则 r.v X取值偏离E X 超过 3 的概率小于0.111 . 例9 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5200~9400之间的概率 . 解：设每毫升白细胞数为X 依题意，E X 7300,D X 7002 所求为 P 5200 X 9400 P 5200 X 9400 P -2100 X-E X 2100 P |X-E X | 2100 第一节：数学期望 第二节：方差 第三节：协方差及相关系数 第四节：矩、协方差矩阵 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 例： 在评定某地区粮食产量的水平时，最关心的 是平均产量； 在检查一批棉花的质量时，既需要注意纤维的平均长度，又需要注意纤维长度与平均长度的偏离程度； 考察南宁市居民的家庭收入情况，我们既知 家庭的年平均收入，又要研究贫富之间的差异程度； 因此，在对随机变量的研究中，确定某些数字特征是重要的 .而所谓的数字特征就是用数字表示随机变量的分布特点。 在这些数字特征中，最常用的是 数学期望、方差、协方差和相关系数 第一节 数学期望 离散型随机变量的数学期望 连续型随机变量的