第四章随机变量的数字特征华中科技大学.pptVIP

讨论随机变量的数字特征的意义 随机变量的数字特征 数学期望 方差 协方差及相关系数 矩、协方差矩阵 本章小结 习题 X与Y不相关但也不独立的例子 矩的概念 二维随机变量协方差矩阵的概念 n维随机变量协方差矩阵的概念 数学期望的性质 数学期望性质的证明 数学期望性质的证明 数学期望性质的证明 数学期望性质的性质 例：有甲、乙两个射手，他们的射击技术用下表表出： 甲射手 0.1 9 0.3 8 0.6 概率 10 击中环数 乙射手 0.5 9 0.2 8 0.3 概率 10 击中环数 试问哪个射手本领较好？ 解：设两个选手各射N枪，则有 甲：8×0.3N＋9×0.1N＋10×0.6N=9.3N 乙：8×0.2N＋9×0.5N＋10×0.3N=9.1N 平均甲射中9.3环，乙射中9.1环，因此甲射手的本领好些。 问：那个射手技术稳定些？显然乙射手的技术稳定些。衡量技术稳定性，可以考虑用随机变量与其均值的偏离程度，如 E{|X-E(X)|} 或 E{[X-E(X)]2} 方差 随机变量X的方差与数学期望有如下关系： D(X)=E(X2)-[E(X)]2 方差的性质 方差性质的证明 方差性质的证明 方差性质的证明 方差性质的证明 关于随机向量(X1,X2, …Xn)的数学期望和方差 协方差与相关系数 协方差的性质 协方差性质的证明 最小二乘法 最小二乘法 相关系数的性质 相关系数性质的证明 相关系数性质的证明 相关系数性质的证明 * * 　　 前面讨论了随机变量的分布函数，我们看到分布函数能够完整地描述随机变量的统计特性。但在一些实际问题中，不需要去全面考察随机变量的变化情况，而只需知道随机变量的某些特征，因而并不需要求出它的分布函数。例如，在评定某一地区粮食产量的水平时，在许多场合只要知道该地区的平均产量；又如在研究水稻品种优劣时，时常是关心稻穗的平均稻谷粒数；再如检查一批棉花的质量时，既需要注意纤维的平均长度，又需要注意纤维长度与平均长度的偏离程度，平均长度较大、偏离程度较小，质量就较好。从上面的例子看到，与随机变量有关的某些数值，虽然不能完整地描述随机变量，但能描述随机变量在某些方面的重要特征。这些数字特征在理论和实践上都具有重要的意义。下面将介绍随机变量的常用数字特征：数学期望、方差、相关系数和矩． 返回 退出 本章小结 习题 例：有甲、乙两个射手，他们的射击技术用下表表出： 甲射手 0.1 9 0.3 8 0.6 概率 10 击中环数 乙射手 0.5 9 0.2 8 0.3 概率 10 击中环数 试问哪个射手本领较好？ 解：设两个选手各射N枪，则有 甲：8×0.3N＋9×0.1N＋10×0.6N=9.3N 乙：8×0.2N＋9×0.5N＋10×0.3N=9.1N 平均甲射中9.3环，乙射中9.1环，因此甲射手的本领好些。 离散型随机变量的数学期望 　　设离散型随机变量X的分布率为 若级数 绝对收敛，则称 的和为随机变量X的数学期望（或均值），记为E(X)。即 例1：求二项分布 的数学期望。 例2：求泊松分布 的数学期望。 例3：求几何分布 的数学期望。 例4：随机变量X取值 求数学期望。 引入连续型随机变量数学期望 　　设连续型随机变量X的密度函数为f(x)，x0x1x2…xn，则X落在[xi,xi+1)中的概率近似等于f(xi)(xi+1-xi)，因此X与以概率f(xi)(xi+1-xi)取值xi的离散型随机变量近似，而该离散型随机变量的数学期望为 连续型随机变量的数学期望 　　设连续型随机变量X的概率密度为f(x)，若积分 绝对收敛，则称 的值为随机变量X的数学期望（或均值），记为E(X)。即 例5：随机变量X服从正态分布N(a,?2),求数学期望。 例6：随机变量X服从指数分布 求数学期望。 例7：设X～U(a,b),求E(X)。 例8：由两个相互独立工作的电子装置，它们的寿命Xk(k=1,2)服从同一指数分布，其概率密度为 若将这两个电子装置串联连接组成整机，求整