《概率论与数理统计》第4章 随机变量的数字特征.pptVIP

* * * * * * * * * * * * 例2 解 记 则 故 因为 即 切比雪夫不等式 定理 不等式 成立. 切比雪夫不等式 切比雪夫不等式也可以写成如下的形式: 证 只就连续型随机变量的情况来证明. 切比雪夫不等式给出了在随机变量的分布未 知, 1. 问题的提出 4.3 协方差及相关系数 协方差 一、协方差 2.定义 即 而 3.说明 4. 协方差的计算公式 5. 性质 例1 设（X，Y）的分布律为 由于 事实上， 例2 它的概率密度 为 解 而 则有 令 于是 即有 结论 1. 问题的提出 二、相关系数 解得 2. 相关系数的意义 (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 4.4 矩、协方差矩阵 1.矩的概念 说明 2. 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 引入下面的列矩阵 记 和 二、n 维正态变量的性质 这一性质称为正态变量的线性变换不变性 六种常用随机变量的期望与方差 小结 《概率论与数理统计》说课 第四章 随机变量的数字特征 4.1 数学期望 4.2 方差 4.3 协方差及相关系数 4.4 矩、协方差矩阵 设某射击手在同样的条 引例 射击问题 试问: 命中环数 k 射中次数记录如下 (命中的环数是一个随机变量). 件下, 瞄准靶子相继射击90次 该射手每次射击平均命中靶多少环? 4.1 数学期望 解 平均射中环数 随机波动 稳定值 “平均射中环数”的稳定值 射中环数Y的“期望” = 射中环数的可能值与其概率之积的累加 设射手命中的环数为随机变量 Y . 则 1. 离散型随机变量的数学期望 定义 数学期望, 即 说明： 1. E(X)是一个实数，而非随机变量； 2.E(X)是一种加权平均，体现了随机变量X取可能值的平均，也称为均值。 算术平均值： 假设 例1 某医院当新生儿诞生时, 医生要根据婴儿的 皮肤颜色、肌肉弹性、反应的敏感性、心脏的搏 动等方面的情况进行评分, 个随机变量. 解 结果表明, 若考察医院出生的很多新生儿, 例 如1000个, 那么每个新生儿的平均得分约7.15分, 1000个新生儿共得分7150分. 例2 即 解 2.连续型随机变量数学期望的定义 若 积分 绝对收敛, 即 例3 有两个相互独立工作的电子装置, 它们的寿 其概