3.2随机变量的方差技术分析.pptVIP

§3.2 随机变量的方差 一、方差的概念 三、方差的性质 四、契贝晓夫不等式 * * 数学期望反映了随机变量取值的平均水平， 例如对正态分布，即使它们的均值相同，密度 它是随机变量的重要数字特征然而，一个随机 曲线的形状也可能有很大的差异.又如考察两个 变量的数学期望往往不能很好地反映随机变量 的全部特点，特别是随机变量取值的离散程度. 化情况.为了反映随机变量的这种离散程度，我 们引入方差概念. 一样的，还必须考虑这两个班级学生的两极分 绩相同，也不能说明这两个班级的学习情况是 平行班级的学习情况，即使两个班级的平均成 1．定义1 定义3.2.1 设 变量的方差,并记为. 由定义可知 .它与 存在，如果 方差的平方根 存在，则称 为随机 又称为标准差或根方差,常记为 是一个随机变量，数学期望 或Var 的单位一致. 注意 方差是反映随机变量取值相对于均值 实上（ 描述.但 离程度的数量指标，为了避免正负偏差相互抵消（事 其数学期望，反映这种偏差程度的大小. 偏 ），这种偏差用平方项 也是一个随机变量，因此取 为离散型的随机变量,它的分布列为 则 为连续型的随机变量,它的密度函数为 , = 则 若 = 若 = 2. 方差的计算公式 ,所以得方差的计算公式 通常情况下都用此公式计算方差. 注意 上式可变形为E 因为 数理统计中应用相当广泛. = = . 此式在 二、几种常用分布的方差 1）退化分布 = 1 = 2）两点分布 的分布列为 1 0 为常数 =0 即常数的方差为 0 , D 设 = = = = ， 3）二项分布 k=0，1，2， 因为 上式右端前项和式恰是 ～b（k; n, p ） ，n, 的数学期望， = 后项和式为 + 4） Poisson分布 ) ,p( （k=0,1,2 ， 故 则 = =k ) = 设 ～p(k, , n ） , 因为 故 可见，对服从泊松分布的随机变量来说，它的数学 期望与方差相等，都等于 已知 = . 5）几何分布 设 已知 故 k=1，2, =k)= ～g(k;p) p( =1/p , 因为 6）均匀分布 设 已知 即， ,因为 设 因为 所以 7) 指数分布 ，已知 8）正态分布 设 对正态分布，我们直接采用定义来计算 ，已知 由此可知，正态分布的第二个参数 数学期望和标准差 它就是正态分布的标准差。因此，正态分布由其 的概率意义， （或方差 ）所唯一确定. 性质1 若 性质2 若 性质3 若 存在，则 为常数，则 为常数，则 是两个相互独立的随机变量，且 ， ， 事实上 因为 于是 一般地，若 相互独立，所以有 相互独立，则 为常数) 更一般地，若 性质4 对任意的常数 事实上 两两独立，则 ，则有 ( , 在理论研究和实践应用中，为了简化证明或方便 计算，往往对随机变量进行所谓标准化，即如随机变 量 为 ， . 的标准化随机变量，由期望和方差的性质易验 ，存在 和 ，则令 ，称 例3.2.1 若 解: 令 , + ～b（k;n,p）求D. + 例3.2.2 设掷两颗骰子，用 第二颗骰子出现的点数,求两颗骰子出现点数之差 的方差. 解: 令 出现的点数 则 分别表示第一、 , 分别表示第一、第二颗骰子 , 同分布，分布列为 与 = = 故 我们知道方差反映了随机变量离开数学期望的 平均偏离程度，如果随机变量 方差为 （ 与 的数学期望为 ， ，事件 ，那么对任意大于零的常数 应该 ）发生的概率 越大那 有一定的关系，粗略的说，如果 么 就有下面著名的契贝晓夫不等式. 定理3.2.1 对任意的随机变量，若 又存在 下面给出契贝晓夫不等式的证明 也会越大，将这个直觉严格化， ，则对任意正数有 证明 仅以连续型情形给出证明，设是一个 连续型随机变量，密度函数 则 在上述证明中，如果把密度函数换成分布列，把 积分号换成求和号，即得到离散型情形的证明. 契贝晓夫不等式也可以表示成 由切比雪夫不等式看出， 发生的概率越小， 此可见，方差刻划了随机变量取值的离散程度. 越小，事件 的附近取值.由 越是集中在 注意 在契贝晓夫不等式给出的估计式中，不需 要知道随机变量具体服从什么分布,只须知道方差 及数学期望 来是比较方便的.但因为它没有完整的用到随机变量 的统计规律——分布