第四章第二节方差2016.pptVIP

设X～B(n,p),由二项分布的定义知, 随机变量X是n重伯努利试验中事件A发生的次数, 且在每次试验中A发生的概率为p. 引入随机变量 下面我们举例说明方差性质的应用 设X~B(n,p)，求E(X)和D(X). 解： 例11 易知 X=X1+X2+...+Xn, (1)由于Xk只依赖于第k次试验, 而各次试验相互独立, 于是X1,X2,...,Xn相互独立. 又知Xk,k=1,2,...,n服从同一(0-1)分布: (1)式表明以n,p为参数的二项分布变量, 可分解为n个相互独立且都服从以p为参数的(0-1)分布的随机变量之和. 由E(Xk)=p, D(Xk)=p(1-p), k=1,2,...,n, 则 又由于X1,X2,...,Xn相互独立, 得 即 E(X)=np, D(X)=np(1-p) 解: 于是 例12 例如, 解: 由于 故有 例13 指数分布的期望和方差 设随机变量X参数为λ服从指数分布, 其概率密度为 X 的数学期望和方差分别为 于是 x 1 1 -1 课堂练习 解 2、设随机变量X 服从参数为l的泊松分布, 且已知 E[(X-1)(X-2)]=1, 则l = _____. 解 3、设随机变量Xij(i,j=1,2,...,n;n?2)独立同分布, EXij=2, 则行列式 解 因多个随机变量之和的数学期望是各个数学期望之和, 而多个相互独立的随机变量之积的数学期望也是各个随机变量的数学期望之积, 而行列式无非是各个随机变量相互乘积再相加得到的随机变量.因此有 4、设随机变量X 在区间[-1,2]上服从均匀分布; 随机变量 -1 2 x 解 5、设一次试验成功的概率为p, 进行100次独立重复试验, 当p=____时, 成功次数的标准差的值最大, 其最大值为_____ 解 设成功次数为X, 则X～B(100,p), DX=100p(1-p)=100p-100p2, 对p求导并令其为0, 得 100-200p=0, 得p=0.5时成功的标准差的值最大, 其最大值为 * 高等院校非数学类本科数学课程 大 学 数 学(四) —— 概率论与数理统计 脚本编写：孟益民 教案制作：孟益民 第四章 数字特征 理解数学期望概念，掌握它的性质与计算。 理解方差概念，掌握它的性质与计算。 掌握（0－1）分布，二项分布，泊松分布，正态 正态分布，指数分布的数学期望与方差。 掌握协方差、相关系数的概念及计算。 了解矩、协方差矩阵的概念。 第二节 方差 一、方差的概念、计算 二、方差的性质 三、常用随机变量的期望和方差 如有两批钢筋, 每批各10根, 它们的抗拉强度指标如下: 它们的平均抗拉强度指标都是126。 但是, 使用钢筋时, 一般要求抗拉强度指标不低于一个指定数值(如115). 那么, 第二批钢筋的抗拉强度指标与平均值偏差较大, 即取值较分散, 不合格的多, 可以认为第二批比第一批质量差. 一、方差的概念 第一批: 110, 120, 120, 125, 125, 125, 130, 130, 135, 140. 第二批: 90 100 120 125 130 130 135 140 145 145 可见在实际问题中, 仅靠期望值(或平均值)不能完善地说明随机变量的分布特征, 还必须研究其离散程度. 通常人们关心的是随机变量X 对期望值E(X)的离散程度. 显然, 随机变量离差的期望是零, 即 E[X-E(X)]=0 不论正偏差大还是负偏差大, 同样都是离散程度大, 为了消除离差X-E(X)的符号, 用(X-E(X))2来衡量X与E(X)的偏差. 如果随机变量X 的数学期望E(X)存在, 称X-E(X)为随机变量的离差. 定义1 设X是一个随机变量, 若E{[X-E(X)]2}存在, 则称E{[X-E(X)]2}为X 的方差, 记为D(X)或Var(X), 即 D(X)=Var(X)=E{[X-E(X)]2}. (1)在应用上还引入与随机变量X具有相同量纲的量 称为标准差或均方差. 定义2 若X的取值比较分散，则方差D(X)较大. 方差刻划了随机变量的取值对于其数学期望的离散 程度. 若X的取值比较集中，则方差D(X)较小； 因此，D(X)是刻画X取值分散程度的一个量。 由定义知, 方差实际上就是随机变量X 的函数 g(X)=(X-E(X))2 的数学期望. 其中P{X=xk}=pk