概率4-2(杨)资料.pptVIP

* C. 一个不等式 定理 (切比雪夫(Chebyshev)不等式)： 对随机变量X 和任意的? ? 0，有 下面介绍概率论中的一个基本不等式. * 证明: 设X为连续型, 密度函数为f(x), 则 * 例7. 在每次试验中，事件 A 发生的概率为 0.75, 利用切比雪夫不等式求：n 需要多么大时，才能使得在 n 次独立重复试验中, 事件 A 出现的频率在0.74 ～ 0.76之间的概率至少为0.90? 解:设X 为n 次试验中事件A 出现的次数， 的最小的n . 则 X~B(n, 0.75). 而所求为满足 于是，E(X)=0.75n, Var(Y)=0.75*0.25n=0.1875n。 * =P(-0.01nX-0.75n 0.01n) = P{ |X-E(X)| 0.01n} P(0.74n X0.76n ) 可改写为 在切比雪夫不等式中取 n，则 = P{ |X-E(X)| 0.01n} * 解得 依题意，取 即n 取18750时，可以使得在n次独立重复试验中, 事件A出现的频率在 0.74 ~ 0.76之间的概率至少为0.90 . 习题 作业 P 116 习题四 20, 21, 22, 23 * * * 前面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,是随机变量的一个重要的数字特征. 但是在一些场合，仅仅知道随机变量取值的平均是不够的. §4.2 随机变量的方差 * 例如,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： 你认为哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因为乙炮的弹着点较集中在中心附近， 所以乙炮的射击效果好. 中心 中心 * 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下面要介绍的 方差 * 设随机变量X的数学期望为E(X), 若E(X-E(X))2存在, 则称它为X 的方差（此时，也称X的方差存在)，记为D(X)或Var(X) , 即 定义 称D(X) 的算术平方根 为X的标准差或均方差，记为? (X). A. 方差的概念 D (X)=E(X-E(X))2 * 若X的取值比较分散，则方差较大. 刻划了随机变量的取值相对于其数学期望 的离散程度。 若X的取值比较集中，则方差较小； D(X)=E[X-E(X)]2 方差 * 注意： 1) D(X)?0，即方差是一个非负实数。 2）当X 服从某分布时，我们也称某分布的方差为D(X)。 方差是刻划随机变量取值的分散程度的一个 特征。 * 方差的计算公式 (1)若 X 为离散型，概率分布为 (2)若 X 为连续型，概率密度为 f (x), 则 则 * 方差的计算公式 常用的公式： 证明: * 常见随机变量的方差 (1) 参数为p 的 0－1分布 概率分布为： 前面已经计算过：E(X)=p，又 所以 * 概率分布为： 已计算过：E(X)=np，又 所以 (2)二项分布B(n, p) * 概率分布为： 已计算过：E(X)=λ，又 所以 (3)泊松分布P(λ) * 概率密度为： 已计算过：E(X)=(a+b)/2，又 所以 (4)区间[a,b]上的均匀分布U[a,b] * 概率密度为： 已计算过：E(X)=1/λ，又 所以 (5) 指数分布E(λ) * 概率密度为： 已计算过：E(X)= ? ，所以 (6) 正态分布N(?,? 2) * 例1. 设 求 E (Y ), D(Y ). 解: * * 例2. 已知X的密度函数为 其中 A，B 是常数，且 E(X) = 0.5. 求 A，B. (2)设 Y=X2, 求 E(Y),D(Y). * 解: (1) * (2) * 性质1: 若X=C，C为常数，则 D(X)=D(C)=0 . B. 方差的性质 性质2:若b为常数,随机变量X的方差存在， 则bX的方差存在, 且 D(bX) = b2D(X) D (aX + b ) = a2 D(X) 结合性质1与性质2就有 * 若随机变量X1, X2, … , Xn 的方差都存在， 则X1+X2+...+Xn的方差存在，且 若随机变量X1, X2, …, Xn相互独立，则 性质4: n＝2时就有 性质3: D(X+Y)= D(X) +D(Y) +2E(X-EX)(Y-EY) 若X, Y 独立， D(X+Y)= D(X) +D(Y) * 注: 以后若无特殊说明, 都认为随机变量的方差大于0。 性质5: 对任意常数C, D