概率4.2.docxVIP

§4.2 方差我们已经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水平，是随 机变量的一个重要的数字特征.但是在一些场合，仅仅知道平均值 是不够的.例如 以下两个随机变量X345P0.20.60.2Y23456P0.150.20.30.20.15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散 布程度.这个数字特征就是我们要介绍的方差一、 方差概念定义若E [X - E(X)]2 存在, 则称其为随机变量 X 的方差, 记为D (X )D (X ) = E [X - E(X)]2 D( X ) 为 X 的均方差或标准差.D(X ) —— 描述 r.v. X 的取值与均值E(X)的偏离程度。由定义知，方差是随机变量X的函数 g(X)=[X-E(X)]2的数学期望 .若 X 为离散型 r.v.，分布律为P( X ? xk ) ? pk ,k ?1,2,??D( X ) ? ??xk ? E( X )?2 pk?1X 为连续型r.v. ，概率密度为 f (x)D( X ) ? ??????x ? E( X )?2 f (x)dx4.2 计算方差的一个简化公式D(X ) ? E(X 2 ) ? E2 (X )证：D(X)=E[X-E(X)]2展开=E{X2-2XE(X)+[E(X)]2}期望性质=E(X2)-2[E(X)]2+[E(X)]2=E(X2)-[E(X)]2例X-101P0.10.80.1求D( X ).E( X ) ? 0,E( X 2 ) ? (?1)2 ?0.1?12 ?0.1 ? 0.2, D( X ) ? E( X 2 ) ?[E( X )]2 ? 0.2.例 设随机变量X的密度函数为1? x, ?1 ? x ? 0?f (x) ? ??1? x,0 ? x ?1求D (X ).E( X ) ? ??01 x(1 ? x)dx ? ?01 x(1 ? x)dx ? 0,E( X 2 ) ? ??01 x 2 (1 ? x)dx ? ?01 x 2 (1 ? x)dx ?1,6D( X ) ? E( X 2 ) ?[E( X )]2 ? 16二、 方差的性质设C是常数,则D(C)=0;若C是常数,则D(CX)=C2 D(X);若X与Y 独立，则D(X+Y)= D(X)+D(Y).X与Y 不一定独立时，D(X1 +X2 )=？推广：若X1,X2,…,Xn相互独立,则nnD[?Xi ] ? ?D( Xi )i?1i?1nnD[?Ci Xi ] ? ?Ci2 D( Xi )i?1i?1(4)D(X)=0充分必要条件是X的值取期望的概率为1.三、常见分布的方差例1 设随机变量X服从0-1分布，其分布律为X01P1-pp求D(X)例 设X ~ P (?), 求D ( X ).解E( X ) ? ?E( X 2 ) ? E( X ( X ?1)) ? E( X )??k??E( X ( X ?1)) ? ?k(k ?1) ?? eE( X22k ?0k?2 k!) ? ? ? ???? ?2e?? ??? ?2(k ?2)!k?2D( X ) ? E( X 2 ) ? E 2 ( X ) ? ?例 设X ~ B( n , p)，求D(X ).解一 利用公式求D (X ).解二 利用性质求D (X ).引入随机变量 X1 , X 2 ,, X n?第i 次试验事件 A 发生1,X i ? ?第i 次试验事件 A 发生?0,D( X i ) ? p(1 ? p)i ? 1,2, , nX1 , X 2 , , X n 相互独立，nX ? ? X ii?1n故 D( X ) ? ?D( X i ) ? np(1? p)i?1例 设 X ~ U [a，b]，求DX. .?1f (x) ? ??b ? a , a ? x ? b，?0,?其他E（X）? ?ab x ?1dx ?a ? b，b ? a2D（X）? E（X 2）?[E（X）]221? a ? b ?2（b ? a）b2? ?ax?dx ? ???.b? a?2 ?12例X ~ E (?) , 求 E( X ) .?1?x?e?f ( x) ? ???0,?, x ? 0E( X ) ??x ? 0D( X ) ? E( X 2 ) ?[E( X )]2??1?x2? ?0x2 ?e ? dx ? ?? ??? 2? 2 ?? 2 ? ? 2 .例设 X ~ N ( ?, ? 2), 求 D( X ) ? ? 2??1?( x?? )2解22? 2D( X ) ???? (x ? ?)edx2??令x???tt21????????? 2t 2e2dt2?? ? 2注：若X i ~ N(?i ,?i2 ),i? 1,2, ,且它们相互独