第4章数字特征.pptVIP

第四章 随机变量的数字特征 §4.1 数学期望 方差的性质 (2) 二项分布 X~B(n,p) 例4.14 变异系数 设 X? H?n,m,N?,求X的数学期望. 利用期望的线性性质计算 课后练习 则 思考题 一民航机场的送客车载有20名乘客从机场开出,旅客有10个车站可以下车,如到达一个站无旅客下车就不停车,假设每位旅客在各站下车是等可能的,且旅客之间在哪一个站下车相互独立.以X表示停车次数,求平均停车次数E(X). 解: X的可能取值为1,2,…,10, 又设 则 X=X1+X2+…+X10 Xi的分布律为： Xi P 1 0 (9/10)20 1-(9/10)20 ∴ E(Xi)=1- (9/10)20 E(X)=E(X1)+ E(X2)+…+E(X10) =10×[1- (9/10)20]=8.784 §4.2 方差 在实际问题中常关心随机变量与均值的偏离程度，可用E|X-EX|表示，但由于绝对值得均值不易计算；所以通常用E(X-EX)2来度量随机变量X与其均值EX的偏离程度. 方差的定义及计算 定义4.3 设X是随机变量，若E(X-EX)2存在，则定义 D(X)= E(X-EX)2 称其为随机变量X的方差，记作D(X)， 称 为X的均方差或标准差. 由方差的定义可知，D(X)≥0 方差本质是随机变量函数的期望.是描述随机变量取值波动程度(离散程度)的一个数字特征. 例 甲乙两人射击，他们的射击水平由 下表给出： X:甲击中的环数，Y:乙击中的环数 试问哪个人的射击水平较高？ 比较两个人的平均环数 甲的平均环数为 乙的平均环数为 因此，从平均环数上看，甲乙两人的 射击水平是一样的，但两人射击环数的 方差分别为 由于DYDX 这表明乙的射击水平比甲稳定. 方差的计算式 实 数 即方差是随机变量平方的期望减去随机变量期望的平方 已知随机变量X的分布律如下，求D(X) 例 8/16 2/16 3/16 2/16 1/16 pk 2 1 0 -1 -2 X 解: 数学期望 E(X)=7/8 §4.2.2 方差的性质 (常数的方差等于0) 课堂练习: 请同学们自己验证(3) (4) 设Xi(i=1,2,…,n) 是相互独立的n个随机变量，Ci (i=1,2,…,n) 是n个常数，则 (5) DX=0的充要条件是存在常数C,使得P(X=C)=1. 事实上C=E(X). 随机变量的标准化 设随机变量X的数学期望E(X),方差D(X) 均存在，且D(X) 0，定义一个新的随机 变量 则 E(X*)=0, D(X*)=1. 称X*为X的标准化随机变量 几个重要分布的期望和方差 (1) 0-1分布 (3) Poisson分布 (4) 均匀分布 (5) 指数分布 (6) Γ分布 随机变量 且X1,X2,X3相互独立. 定义4.4 若随机变量X的期望，方差均存 在，且E(X) ≠0, 称 为X的变异系数. 原点矩与中心矩 为X的k阶原点矩, 简称为k阶矩. 设X是随机变量，若E(Xk)存在, k=1,2,…, 则称 若E(X-EX)k存在，k=1,2,…, 则称 为X的k阶中心矩. 原点矩与中心矩 由矩的概念,显然 原点矩和中心矩可以相互表示： 定义4.6 设(X,Y)为二维随机变量，若 E{[X?E(X)][Y?E(Y)]}存在，则定义 §4.3.1 协方差 特别地, Cov(X,X)=D(X) 称其为X与Y的协方差. 协方差的计算式 注意连续型时， 协方差的性质 (1) Cov(X,Y) ＝Cov(Y,X) (2) Cov(X,a) =0 (3) Cov(aX,bY)=abCov(X,Y) (4) Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z) (6) 若X与Y独立，则Cov(X,Y)=0 (5) 二维向量的数字特征 对二维随机变量(X,Y),称向量 为(X,Y)的协方差矩阵. 称矩阵 为(X,Y)的数学期望(均值向量). 对于n维随机变量(X1, X2, …, Xn), 记 则称矩阵 为(X1, X2, …, Xn的协方差阵. V是一个n阶对称阵. 推广到n维 * * §4.1.1 数学期望的定义 离散型随机变量的数学期望 例 甲、乙两射手进行射击训练,已知在100次射击中命中环数与次数记录如下: 60 10 30 次数 10 9 8 环数 30 50 20 次数 10 9 8 环数 甲 乙 试问如何评定甲、乙射手的技术优劣？ 甲平均射中的环数为： 乙平均射中的环数为： (8×30+9×10+10×60)÷100