《02第二节方差.docVIP

第二节 方差 随机变量的数学期望是对随机变量取值水平的综合评价, 而随机变量取值的稳定性是判断随机现象性质的另一个十分重要的指标. 内容分布图示 ★ 引言 ★ 方差的定义 ★ 方差的计算 ★ 例1 ★ 例2 ★ 例3 ★ 例4 ★ 例5 ★ 例6 ★ 例7 ★ 方差的性质 ★ 例8 ★ 例9 ★ 例10 ★ 补充说明 ★ 例11 ★ 例12 ★ 条件期望与条件方差简介 ★ 例13 ★ 内容小结 ★ 课堂练习 ★ 习题4-2 内容要点： 一、 方差的定义 定义1 设是一个随机变量, 若存在,则称它为的方差, 记为 方差的算术平方根称为标准差或均方差, 它与具有相同的度量单位, 在实际应用中经常使用. 方差刻划了随机变量的取值与数学期望的偏离程度,它的大小可以衡量随机变量取值的稳定性. 从方差的定义易见: (1)若的取值比较集中,则方差较小; (2)若的取值比较分散,则方差较大; (3)若方差, 则随机变量以概率1取常数值,此时也就不是随机变量了. 二、 方差的计算 若是离散型随机变量,且其概率分布为 则 若是连续型随机变量,且其概率密度为 则 利用数学期望的性质, 易得计算方差的一个简化公式: . 三、方差的性质 1. 设常数, 则; 2. 若是随机变量, 若是常数, 则 3. 设是两个随机向量,则 特别地, 若相互独立, 则 注: 对维情形, 有: 若相互独立, 则 四、 条件数学期望和条件方差简介 由于随机变量之间存在相互联系, 一个随机变量的取值可能会对另一随机变量的分布产生影响, 这种影响会在数字特征上得到反映. 下面要讨论的是：在某个随机变量取某值的条件下，求另一个与之相关的随机变量的数字特征. 作为简介，这里我们直接给出它们的定义. 1. 设是离散型随机向量, 其概率分布为 定义2 (i) 称（绝对收敛）为在 条件下的条件数学期望. 类似地，称 （绝对收敛）为在 条件下的条件数学期望; (ii) 称（绝对收敛）为在 条件下的条件方差. 类似地，称（绝对收敛）为在条件下的条件方差. 2．设是连续型随机向量, 是在条件下的概率密度，是在条件下的概率密度. 定义3 (i) 称 （绝对收敛）为在 条件下的条件数学期望; 类似地，称（绝对收敛）为在 条件下的条件数学期望; (ii) 称（绝对收敛）为在条件下的条件方差; 类似地，称（绝对收敛）为在条件下的条件方差. 例题选讲: 方差的计算 例1 设随机变量具有数学期望方差 记 则 的数学期望为0, 方差为1. 称为X的标准化变量. 例2 (讲义例1) 设随机变量具有分布, 其分布律为 求 解 故 例3 (讲义例2) 设 求 解 的分布律为 则 而 故方差 由此可知, 泊松分布的数学期望与方差相等, 都等于参数因为泊松分布只含有一个参数 只要知道它的数学期望或方差就能完全确定它的分布了. 例4 (讲义例3) 设 求 解 的概率密度为 而 故所求方差为 例5 (讲义例4) 设随机变量服从指数分布, 其概率密度为 其中 求 解 于是 即有 例6 设随机变量服从几何分布, 概率函数 其中, 求. 解 设 故 例7 (讲义例5) 设随机变量的联合点分布在以点(0,1), (1,0), (1,1)为顶点的三角形区域上服从均匀分布, 试求随机变量的期望与方差. 解 三角形区域如图所示, 的面积为 1/2, 所以的联合概率密度为 方法一 分两步进行, 第一步先求出函数的概率密度, 第二步计算的期望与方差.设的分布函数 则 当时, 当时, 有 其中 故 的面积 当时, 于是 从而 方法二 所以 方差的性质 例8 (讲义例6) 设 证明当时, 达到最小值. 证 依题 两边对求导数, 有 显然当时, 又因所以当时, 达到最小值, 最小值为 这个例子又一次说明了数学期望是随机变量取值的集中位置, 反映了的平均值. 例9 (讲义例7) 设, 求 解 表示重伯努利试验中 “成功” 的次数. 若设 则是次试验中 “成功” 的次数, 且服从分布. 故 由于相互独立, 于是 ， 例10 (讲义例8) 设 求 解 先求标准正态变量的数学期望和方差. 因为的概率密度为 于是 其中利用泊松积分 因 即得 这就是说, 正态分布的概率密度中的两个