概率论与数理统计57890.docVIP

授课章节 第四章 数字特征 目的要求 了解基本概念 重点难点 掌握期望，方差等具体含义。 随机变量的分布函数是对随机变量概率性质的完整的刻画，描述了随机变量的统计规律性．但在实际问题中，有时不容易确定随机变量的分布；有时也并不需要完全知道随机变量的分布，而只需知道它的某些特征就够了，因此不需要求出它的分布函数．这些特征就是随机变量的数字特征，是由随机变量的分布所决定的常数，刻画了随机变量某一方面的性质． 例如，考察某种大批量生产的元件的寿命，它可以用随机变量来描述．如果知道了这个随机变量的分布函数，就可以算出元件寿命落在任一指定界限内的元件百分比是多少，这是对元件寿命状况的完整刻画．如果不知道随机变量的分布函数，而知道元件的平均寿命，虽不能对元件寿命状况提供一个完整的刻画，但却在一个重要方面刻画了元件寿命的状况，这往往也是我们最为关心的一个方面．类似的情况很多，如评定某地区粮食产量的水平时，经常考虑平均亩产量；对一射手进行技术评定时，经常考察射击命中环数的平均值；检查一批棉花的质量时，所关心的是棉花纤维的平均长度等．这个重要的数字特征就是数学期望，简称为期望，常常也称为均值． 另一个重要的数字特征用以衡量一个随机变量取值的分散程度．例如对一射手进行技术评定时，除考察射击命中环数的平均值以外，还要了解命中点是比较分散还是比较集中．在检查一批棉花的质量时，除关心棉花纤维的平均长度以外，还要考虑纤维的长度与平均长度的偏离情况．如果两批棉花纤维的平均长度相同，而一批棉花纤维的长度与平均长度接近，另一批棉花则相差较大，显然前者显得整齐，也便于使用，后者显得参差不齐，不便于使用．描述随机变量取值分散程度的数字特征就是方差． 第1节：期望 离散型随即变量的期望：设离散型随机变量的概率分布为 P｛X＝xi｝＝pi ，i ＝１，２ ，?， 若级数绝对收敛，即 收敛，则称为随机变量X的期望，记为E（X），即 E（X）＝ 下面介绍几种常用的离散型随机变量的期望 两点分布 二项分布 泊松分布 连续型随机变量的期望：设连续型随机变量X的概率密度函数为f（x），若积分绝对收敛，则称积分的值为随机变量X的期望，记为E(X) 下面介绍几种常用的连续型随机变量的期望 1、均匀分布 2、指数分布 3、正态分布 期望的性质： 性质1、　设c是常数，则 E（c）＝c ． 性质2、 设k 是常数，则 E（kX）＝kE（X）． 性质3、　E（X ＋Y）＝E（X）＋E（Y）． 性质4、设X 和Y 相互独立，则 E（XY）＝E（X）E（Y）． 第2节：方差 定义：在本章开始，我们就已经指出，方差是随机变量的又一重要的数字特征，它刻画了随机变量取值在其中心位置附近的分散程度，也就是随机变量取值与平均值的偏离度．设随机变量X的期望为E（X），偏离量X－E（X）本身也是随机的，为刻画偏离程度的大小，不能使用X－E（X）的期望，因为其值为零，即正负偏离彼此抵消了．为避免正负偏离彼此抵消，可以使用E［｜X－E（X）｜］作为描述X取值分散程度的数字特征，称之为X的平均绝对差．由于在数学上绝对值的处理很不方便，因此常用的平均值度量X与E（X）的偏离程度，这个平均值就是方差． 定义4.2.1 设X为一随机变量，如果存在，则称之为X的方差，记为Var（X） ，即 Var（X ） ＝， (4.2.1) 并称Var（X）为X的标准差或均方差． 　例4.2.1　设离散型随机变量X的概率分布是P｛X＝０｝＝0.2，P｛X ＝１｝＝０．５，P｛X ＝２｝＝0.3 ，求Var（X）． 解　E（X）＝０×０．２＋１×０．５＋２×０．３＝１．１， E ＝ ×０．２＋１２×０．５＋２２×０．３＝１．７ ， Var（X）＝１．７－１．１２＝０．４９ 方差的性质： 性质1、设c为常数，则 Var（c）＝０ ， Var（X＋c）＝Var（X）． 性质2、设k为常数，则 性质3、设X和Y相互独立，则 Var（X＋Y）＝Var（X）＋Var（Y） ． 几种常用随机变量的方差： 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布 第3节：协方差与相关系数 协方差定义：称E｛［X－E（X）］［Y－E（Y）］｝为X与Y的协方差，记为Cov（X，Y） ，即 Cov（X，Y）＝E｛［X－E（X）］［Y－E（Y）］｝． 协方差性质：１ ．Cov（X，Y）＝Cov（Y，X）． 这就是说，X与Y的协方差等于Y与X的协方差，它与X，Y的次序无关． ２ ．设a ，b ，c ，d 是常数，则 Cov（aX＋b ，cY＋d）＝acCov（X，Y）． 　 ３ ．Cov（X１＋X２，Y）＝Cov（X１，Y ）＋Cov（X２，Y）． ４ ．Cov（X，Y）＝E（XY）－E（X）E（Y） ， 当X 和