概第四章.pptVIP

一维随机变量的方差 设离散随机变量X的概率分布为 离散型 连续型 设连续随机变量X的分布密度为 f (x) 方差计算公式 Proof. 方差的计算步骤 Step 1: 计算期望 E(X) Step 2: 计算 E(X2) Step 3: 计算 D(X) 二维随机变量的方差 (X,Y)为二维离散型随机变量 (X,Y)为二维连续型随机变量 方差的背景和意义 E( X1 )=5 D( X1 )=0.25 X2 P 2 3 5 7 8 1/8 1/8 1/2 1/8 1/8 E( X2 )=5 D(X2)=3.25 X1 P 4 5 6 1/4 1/2 1/4 算一算X1 和X2期望、方差 比较X1和X2的取值偏离期望值5的程度与方差的关系 方差反映了随机变量的取值相对于期望值的分散程度 方差的性质 . 相互独立时 当随机变量 C 为常数 . * * 随机变量的数字特征 第四章 数学期望 方差 * 协方差与相关系数 例 甲乙两台生产同一种零件的车床，一天生产中次品数的概率分布是 如果两台车床的产量相同，问哪台车床平均生产的次品数少？ 前 言 离散型随机变量的数学期望 设离散型随机变量 的分布律为 若级数 绝对收敛，则称级数 为 的数 学期望（或均值），记为 注：数学期望是概率意义下的平均值，它反映随机变量（取值）的集中位置。 连续型随机变量的数学期望 设连续型随机变量 的概率密度为 若广义积 分 绝对收敛，则称积分 为 的数 学期望（或均值），记为 注：数学期望是概率意义下的平均值，它反映随机变量（取值）的集中位置。 数学期望的意义 E(X)反映了随机变量X取值的“概率平均”,是X的可能值以其相应概率的加权平均。 试验次数较大时，X的观测值的算术平均值 在E(X)附近摆动 数学期望又可以称为期望值(Expected Value)，均值(Mean) Expected Value as a Point of Balance X P 4 1/4 5 1/2 6 1/4 数学期望的计算 已知随机变量X的分布律： E(X)=1/4×4+1/2×5+1/4×6=5 例 数学期望的计算 已知随机变量X的密度函数： 例 数学期望的计算 （柯西分布）已知随机变量X的密度函数： 求数学期望 。 例 解： 可见柯西分布的数学期望不存在。 二维随机变量的数学期望 给定二维随机变量 ，若 和 存在，则 的数学期望为 ，且 （1）当 为二维离散型随机变量时 （2）当 为二维连续型随机变量时 (X,Y)为二维离散型随机变量 (X,Y)为二维连续型随机变量 二维随机变量的数学期望 随机变量的函数的数学期望 定理 1：一维情形 设 是随机变量 X的函数, 离散型 连续型 概率密度为 定理 2：二维情形 离散型 连续型 联合概率密度为 设 是随机变量 X， Y的函数, 随机变量的函数的数学期望 服从 已知 上的均匀分布，求 的数学期望。 因为 所以 例 解 例 的联合概率密度为 求 的数学期望。 解： 例 设国际市场每年对我国某种出口商品的需求量X（吨）服从区间[2000,4000]上的均匀分布。若售出这种商品1吨，可挣得外汇3万元，但如果销售不出而囤积于仓库，则每吨需保管费1万元，问应预备多少吨这种商品，才能使国家的收益最大？ 解： 令预备这种商品 吨，则收益（万元）为 当 时，上式达到最大值，所以预备3500吨此种商品，平均来说，能使国家的收益最大（最大收益为8250万元），是最好的决策。 数学期望的性质 . 相互独立时 当随机变量 C 为常数 . . 例 的分布列为 有 ，但 却不相互独立。 两点分布的数学期望 X服从两点分布，其概率分布为 P(X=1)=p P(X=0)=1- p X P 0 1 1-p p 若X 服从参数为 p 的两点分布， 则E(X) = p 分布律 数