第4章概率论与数理统计(免费阅读).ppt

解 为简单计，设 n 是 k 的倍数， 设共分成 n / k 组 第 i 组需化验的次数为X i Xi P 1 k + 1 若 则EX n 例如， §4.2 方差 引例 检验两批灯泡的质量,从中分别随机抽样5只,测得使用寿命(单位:小时)如下: A: 2000 1500 1000 500 1000 B: 1500 1500 1000 1000 1000 试比较这两批灯泡质量的好坏 计算得:平均寿命分别为:A:1200 B:1200 观察得:A中使用寿命偏离较大,B中使用寿命 偏离较小, 所以,B产品质量较好 数学期望 方差 1. 方差的定义 (X - EX)2 —— 随机变量X 的取值偏离平均值的 情况, 是X的函数, 也是随机变量 E(X - EX)2 —— 随机变量X的取值偏离平均值的平均偏离程度—— 数 注: 方差反映了随机变量相对其均值的偏离程度 若 X 为离散型随机变量，概率分布为 若 X 为连续型随机变量，概率密度为f (x) 常用的计算方差的公式：（证明p122) 2. 方差的性质: (p124) 例1 设 X ~ P (?), 求 DX 解 3. 方差的计算 例2 设 X ~ B( n , p)，求 DX (p125) 解一 仿照上例求DX 解二 引入随机变量 相互独立， 故 解 例3 设 X ~ U( a , b)，求 DX 例4 设 X ~ N ( ? , ? 2), 求 DX 解 常见随机变量的方差 分布 方差 概率分布 参数为p 的 0-1分布 p(1-p) B(n,p) np(1-p) P(?) ? 分布 方差 概率密度 区间(a,b)上的 均匀分布 E(?) N(?,? 2) f(x) x 0 μ 若μ固定,σ改变,则σ越大,曲线越平坦, σ越小,曲线越陡峭 σ小 σ大 方差的概念直观背景也可以通过正态分布中不同σ2的密度曲线反映出来: 解 例5 证 例6 例7 已知X ,Y 相互独立，且都服从 N (0,0.5), 求 E( | X – Y | ) 解 故 例8 设X 表示独立射击直到击中目标 n 次为止 所需射击的次数，已知每次射击中靶的概 率为 p ，求EX , DX 解 令 X i 表示击中目标 i - 1 次后到第 i 次击中 目标所需射击的次数，i = 1,2,…, n 相互独立 ,且 故 例9 求 EY , DY 解 标准化随机变量 (p126) 为 X 的标准化随机变量. 显然， 仅知随机变量的期望与方差并不能确定其分布, 例如： P -1 0 1 0.1 0.8 0.1 P -2 0 2 0.025 0.95 0.025 与 它们有相同 的期望,方差 但是分布 却不同 * 第四章 随机变量的数字特征 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，只需知道随机变量的 某些特征，因而不需要求出它的分布函数. 评定某企业的经营能力时，只要知道该企业 人均赢利水平； 例如： 研究水稻品种优劣时，我们关心的是稻穗的 平均粒数及每粒的平均重量； 检验棉花的质量时，既要注意纤维的平均长 度，又要注意 纤维长度与平均长度的偏离程度， 平均长度越长、偏离程度越小，质量就越好; 考察一射手的水平，既要看他的平均环数 是否高，还要看他弹着点的范围是否小，即数 据的波动是否小. 由上面例子看到，与随机变量有关的某些 数值，虽不能完整地描述随机变量，但能清晰 地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意义. 随机变量某一方面的概率特性 都可用数字来描写 随机变量的平均取值 —— 数学 期望 随机变量取值平均偏离平均值的 情况 —— 方差 描述两个随机变量之间的某种关 系的数 —— 协方差与相关系数 本 章 内 容 定义 设离散型随机变量X 的分布列为 若无穷级数 绝对收敛，则称其和为随机变量 X 的数学期望 记为 1. 数学期望的定义 §4.1 数学期望 设连续型随机变量X 的概率密度为