第四章随机变量的数字特征-2详解.ppt

概率论与数理统计 第四章 随机变量的数字特征 §4.2 方差 3.常见离散型随机变量的方差 3.常见连续型随机变量的方差 例 设 X ~ B(100,0.6), Y=2X+3, 求Cov(X,Y), . 小结 二维正态分布结论整合 若 服从二维正态分布 ,则 1. 2. 与 独立的充要条件是 3.由1和2知， 与 独立的充要条件是 与 不相关. * * 4.2 方 差 一、 概念的引入 实例 检验两种品牌的灯泡的质量, 从中分别随机抽样5只,测得使用寿命如下: A牌: 2000 1500 1000 500 1000; B牌: 1500 1500 1000 1000 1000; (单位:小时), 试比较这两种品牌的灯泡质量的好坏. 计算平均寿命分别为: A牌:1200, B牌:1200. 数学期望 通过观察B牌比A牌质量稳定。 方差 EX X-EX E( ) =EX-EX=0 衡量不出X的离散程度 E | X-EX | 计算不方便 E[X-EX]2 DX= 方差 标准差 二. 方差 1. 定义 设 是随机变量，期望 存在，如果 存在，则称 为 的方差，记作 或var(X),即 而称 为 的标准差.或均方差。 注： 1.方差是用来衡量随机变量与其平均值之间的差异程度的一个尺度，或者说是随机变量围绕其平均值波动的离散程度。 2.方差是一个常数，不再是随机的了。 2. 计算 （1）用定义 如果 是离散型随机变量， ? 那么 如果 是连续型随机变量，那么 （2）用计算公式 （常用） 例1 设X是一离散型随机变量，分布列为 0.3 0.3 0.4 P 2 1 0 X 求D（X）。 解： =0.69 或用公式： 所以，D(X)=0.69 例2 ，试求 EX, DX. 设 三、方差的性质 1. 设C是常数,则D(C)=0; 3. 若C是常数,则D(CX)=C2 D(X); 可推广为：若X1,X2,…,Xn相互独立,则 4. 若 相互独立，则 2. 若C是常数,则D(X+C)=D(X); 例3 二项分布的方差 设X~B(n,p), 则X表示n重贝努里试验中的“成功” 次数 . 若设 i=1,2，…，n 故 D(Xi)= E(Xi2)-[E(Xi)]2 E(Xi)=P(Xi=1)= p, E(Xi2)= p, 则 是 n 次试验中“成功” 的次数 = p- p2= p(1- p) 由于 X1,X2,…,Xn 相互独立 = n p(1- p) 例4 设 例5 设随机变量X和Y相互独立，且方差分别为4和2，则随机变量3X-2Y+1的方差是 . 例6 设随机变量X和Y相互独立，且X服从均值为1、标准差为 的正态分布，而Y服从标准正态分布，求随机变量Z=2X-Y+3的概率密度函数. 例7 设（X,Y)的概率分布密度函数为 求E（XY），D（XY)。 例 设随机变量 存在数学期望 和方差 ， 试证明：对任意的 ，有 此不等式称为切比雪夫不等式 其等价形式为： 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. 由此可体会方差的概率意义： 它刻划了随机变量取值的离散程度. 例 设随机变量 X 的数学期望为μ, 标准差为σ,则由切比雪夫不等式 例 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, E(X)=7300,D(X)=7002 所求为 P(5200 X 9400) =P(5200-7300 X-7300 9400-7300) = P(-2100 X-E(X) 2100) = P{ |X-E(X)| 2100} 由切比雪夫不等式 P{ |X-E(X)| 2100} 例 某学生的考试成绩是均值为80（分），方差为25的随机变量。 （1）试用切比雪夫不等式估计学生考试成绩在70分到90分之间的概率范围。