概率论教学课件—概率1-3张颖.pptVIP

1.3 随机变量的数字特征 一、引例:在射击练习中，规定击中靶心一次得2分，中靶但未击中靶心得1分，未中靶得0分，射手一次射击的得分数X为一随机变量。现在射击N次，其中得0分的有a0次，得1分的有a1次，得2分的有a2次， a0+ a1+ a2=N，求某人一次射击的平均得分. 二、数学期望的定义： 1、定义1 设离散型随机变量X的分布律为： 设连续型随机变量X的概率密度为f(x), 则当积分 3、意义： 已知随机变量的分布,求期望（用定义） 重要分布的期望值 （1）设C是常数，则E(C)=C. 这里C视为退化的随机变量. （2）设X为一随机变量，C为常数，则有 E(CX)= C E(X). （3）设X，Y为任意两个随机变量，则有 E(X+Y) =E(X)+E(Y). （4）若X，Y为两个相互独立的随机变量，则有 E(XY)=E(X)E(Y). 四、随机变量函数的数学期望: ⑴ 离散型r.v: X 的分布律为： P{X=xk}=pk k=1,2… 2 、已知二维随机变量（X,Y）的分布，求函数 Z=g(X,Y) 的数学期望. 例 已知随机变量(X,Y)的概率密度为 2 方 差 Variance 1、定义 若X是一随机变量，若 一个非常有用的公式: 5、 重要分布的方差: 6、方差的性质:(C为常数) ① D(C) ＝0; ② D(CX)=C2D(X) ，D(X+C)=D(X); ③ 当X、Y独立,D(X±Y)=D(X)+D(Y). 证明:根据数学期望与方差的性质: 通常我们 把随机变量Y叫做随机变量X标准化了的随机变量. 注意:更重要的是要知道 如何将一个随机变量标准化. 一、协方差: 1) Cov(X,Y)= E{[X-E(X )][Y-E(Y )]}2) Cov(X,Y) =E(XY)-E(X)E(Y) 证明2) 4、性质: 　　ⅰ)Cov(X,Y)=Cov(Y,X);(对称性) ⅱ)Cov(aX,bY)=abCov(X,Y); a,b常数 ⅲ)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y). 二、相关系数: 称数值 三、其它数字特征——矩 方差的计算方法 (1)由定义求?计算量大 一个非常有用的公式: 重要分布的数字特征: 相关系数: 性质: 　ⅰ)Cov(X,Y)=Cov(Y,X);(对称性) ⅱ)Cov(aX,bY)=abCov(X,Y); a,b常数 ⅲ)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y). ③可推广为：若X1,X2,…,Xn相互独立,则 例1.29 设X～E(t)，Y～N(0,t2)，(t0)且X与Y相互独立，而Z=2X-3Y+1，试求E(Z)和E(Z2). 解 因X～E(t)，Y～N(0,t2)，故 所以 结论 例 设随机变量X与Y独立, 且X服从数学期望为1, 标准差(均方差)为 的正态分布而Y服从标准正态分布,试求随机变量Z=2X-Y+3的概率密度函数. 分析: 由于有限个独立正态随机变量的线性组合 仍然服从 正态分布,所以要求Z=2X-Y+3的概率密度函数，只需 确定Z的期望E(Z)和方差D(Z)。 由期望和方差的性质: 所以Z服从正态分布N(5,9), 从而得Z的概率密度函数为: 证明 E(Y)=0, D(Y)=1 例 设E(X),D(X)均存在,且D(X) ≠0 对于一个二维随机变量（X,Y），期望和方差只反映各个分量各自的平均取值与各自相对于其均值的偏离程度，没有反映出分量X与Y之间的相互关系。 3 协方差和相关系数 Covariance correlation coefficient 在实际应用中，经常需要研究两个随机变量X与Y之间的关系，希望通过对其中一个随机变量的观察，以预测另一个随机变量的取值. 例如：研究子身高与父身高之间的相互关系，以期通过父高预测他的子高，这实际上就是要求构造一个预测函数h(x)，当得到父高X的观察值x时，就以相应的函数值y=h(x)为子高Y的预测值. 　为研究随机变量间的关系，引进协方差的概念. 1、定义: 设随机变量X与Y Cov(X,Y)= E{[X-E(X)] [Y-E(Y