概率论与随机过程-第四章.ppt

第四章、随机变量的数字特征 例13 Γ函数的基本知识 例13 某公司计划开发一种新产品投入市场并试图确定该产品的产量，他们估计出售一件产品可获利m元，而积压一件产品导致n元的损失，再者，他们预测销售量Y服从参数为θ的指数分布，问要获得利润Q的数学期望最大，应生产多少件产品（m , n , θ均为已知）？ ②当X1,X2,…Xn相互独立时，有 D(X1+X2+…+Xn)= D(X1)+D(X2)+…+D(Xn) 利用这个性质可以比较简便地计算出二项分布的方差： 二项分布可以理解为n个两点分布的和，设 Xi＝ (Dxi)=pq i=1,2…n 令，X＝{在n次独立试验中A发生的次数}，有 X～b(n,p) 且 X＝ 于是， D(X)＝ npq 随机变量标准化 设X为随机变量，EX=μ，DX＝σ2，令Y＝ 则称Y为X的标准化变量。 事实上，E(Y)=0，D(Y)＝1 。此时， 如果 X～N（μ，σ2），那么 Y ～N（0，1） 重要不等式——切比雪夫（Chebyshev)不等式 定理 设随机变量X具有数学期望E(X)＝μ，方差D(X)=σ， 则对于任给的正数，不等式 成立。 证明 我们就连续型随机变量的情形来证明，设X的概律 密度为f(x)，则 即 注： ①切比雪夫不等式可写成如下形式： ②D(X)反映了X的平均偏离程度，从切比雪夫不等式可以看出，当D(X)越大， 就越大。 D(X)=0 的充分必要条件是P{X=c}=1。（ c为常数) 我们知道，当X＝c,有D(X)＝0，现在考虑其逆命题是否成立？我们有 证明 当p{X=C}＝1时，有 E(X)=C, E(X2)=C2, 从而 D(X)＝E(X2)—（EX）2=C2—C2=0 若D（X）=0时，有 0 即 所以， P{X=c}=1 , 其中E(X)=c. 性质 性质 若Xi～N(μi,σi2), i=1,2, …,n 且X1,X2,…Xn相互 独立，则 C1X1+C2X2+…+CnXn～ 证明 因为Xi～N(μi,σi2) ，i=1,2, …,n 又X1,X2,…Xn相互 独立，所以 C1X1+C2X2+…+CnXn 服从正态分布 ，又因为 E(C1X1+C2X2+…+CnXn)= D(C1X1+C2X2+…+CnXn)= 故 C1X1+C2X2+…+CnXn～ 例1 设活塞的直径(以cm计) X～N(22.40,0.032)，气缸的直径Y～N(22.50,0.042)，X、Y相互独立。任取一只活塞，任取一只气缸，求活塞能装入气缸的概率。 解 由题意知，需求P{XY}，即求P{X-Y0}的值，由 X～N(22.40,0.032), Y～N(22.50,0.042) ，有 X-Y ～N(-0.10,0.052) 从而p{X-Y0}= 0.9772 返回主页 §4.3 协方差及相关系数 一、协方差及相关系数的定义 我们知道，如果两个随机变量X与Y相互独立，有 E[(X-EX)(Y-EY)]＝0 这意味着，E[(X-EX)(Y-EY)]≠0时，X与Y一定不相互独立。即X与Y存在一定的关系 定义 称E[(X-EX)(Y-EY)]为X与Y的协方差，记为 Cov(X ,Y)＝E[(X-EX)(Y-EY)] 称为随机变量X与Y的相关系数。 二、协方差的性质 性质1 Cov(X ,Y)＝Cov(Y ,X) 性质2 Cov(X ,X)＝D(X) 性质3 D(X+Y)=D(X)+D(Y)+2 Cov(X ,Y) 性质4 Cov(X ,Y)=E(XY)—(EX)( EY) 性质5 Cov(aX ,bY)=ab Cov(X ,Y) 事实上 ，利用性质4，有 Cov(aX ,bY)＝E(aX·bY)—E(aX)E(bY) ＝abE(XY)—abE(X)E(Y) =abCov(X,Y) 性质6 若X、Y相互独立，则Cov(X ,Y)＝0 性质7 Cov(X1＋X2 ,Y) =Cov(X1 ,Y)+ Cov(X2 ,Y) 证明 Cov(X1＋X2 ,Y) ＝E{[(X1+X2)-E(X1+X2)][Y-E(Y)]} =E[(X1-EX1)(Y-EY)+(X2-EX2)(Y-EY)] ＝E{[(X1－EX1 )(X2－EX2)][Y-E(Y)]} =E(X1-EX1)(Y-EY)+E(X2-EX2)(Y-EY) = Cov(X1 ,Y)+ Cov(X2 ,Y) 例1 设（X、Y）的密度为f(x,y)=