01方差的定义.docVIP

第二节 方 差 1.方差的定义 数学期望描述了随机变量取值的“平均”.有时仅知道这个平均值还不够.例如，有A，B两名射手，他们每次射击命中的环数分别为X，Y，已知X，Y的分布律为： 表4-7 X 8 9 10 P（X=k） 0.2 0.6 0.2 表4-8 Y 8 9 10 P(Y=k) 0.1 0.8 0.1 由于E（X）=E（Y）=9（环），可见从均值的角度是分不出谁的射击技术更高，故还需考虑其他的因素.通常的想法是：在射击的平均环数相等的条件下进一步衡量谁的射击技术更稳定些.也就是看谁命中的环数比较集中于平均值的附近，通常人们会采用命中的环数X与它的平均值E（X）之间的离差｜X-E（X）｜的均值E［｜X-E（X）｜］来度量，E［｜X-E（X）｜］愈小，表明X的值愈集中于E（X）的附近，即技术稳定；E［｜X-E（X）｜］愈大，表明X的值很分散，技术不稳定.但由于E［｜X-E（X）｜］带有绝对值，运算不便，故通常采用X与E（X）的离差｜X-E（X）｜的平方平均值E［X-E（X）］2来度量随机变量X取值的分散程度.此例中，由于 E［X-E（X）］2=0.2×(8-9)2+0.6×(9-9)2+0.2×(10-9)2=0.4， E［Y-E(Y)］2=0.1×(8-9)2+0.8×(9-9)2+0.1×(10-9)2=0.2. 由此可见B的技术更稳定些. 定义4.2 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（Variance），记为D（X），即 D（X）=E［X-E（X）］2. （4.7） 称为随机变量X的标准差（Standard deviation）或均方差(Mean square deviation)，记为σ（X）. 根据定义可知，随机变量X的方差反映了随机变量的取值与其数学期望的偏离程度.若X取值比较集中，则D（X）较小，反之，若X取值比较分散，则D（X）较大. 由于方差是随机变量X的函数g（X）=［X-E（X）］2的数学期望.若离散型随机变量X的分布律为P{X=xk}=pk，k=1，2，…，则 D（X）=. （4.8） 若连续型随机变量X的概率密度为f（x），则 D（X）= （4.9） 由此可见，方差D（X）是一个常数，它由随机变量的分布惟一确定. 根据数学期望的性质可得： D（X）=E［X-E(X)］2=E［X2-2X·E(X)+［E(X)］2］ =E(X2)-2E(X)·E(X)+［E(X)］2=E(X2)-［E(X)］2. 于是得到常用计算方差的简便公式 D（X）=E（X2）-［E（X）］2. （4.10） 例4.11 设有甲，乙两种棉花，从中各抽取等量的样品进行检验，结果如下表： 表4-9 X 28 29 30 31 32 P 0.1 0.15 0.5 0.15 0.1 表4-10 Y 28 29 30 31 32 P 0.13 0.17 0.4 0.17 0.13 其中X，Y分别表示甲，乙两种棉花的纤维的长度（单位：毫米），求D（X）与D（Y），且评定它们的质量. 解 由于 E（X）=28×0.1+29×0.15+30×0.5+31×0.15+32×0.1=30， E(Y)=28×0.13+29×0.17+30×0.4+31×0.17+32×0.13=30， 故得 D（X）=（28-30）2×0.1+(29-30)2×0.15+(30-30)2×0.5+(31-30)2×0.15+(32-30)2×0.1 =4×0.1+1×0.15+0×0.5+1×0.15+4×0.1=1.1， D(Y)=(28-30)2×0.13+(29-30)2×0.17+(30-30)2×0.4+(31-30)2×0.17+(32-30)2×0.13 =4×0.13+1×0.17+0×0.4+1×0.17+4×0.13=1.38. 因D（X）＜D（Y），所以甲种棉花纤维长度的方差小些，说明其纤维比较均匀，故甲种棉花质量较好. 例4.12 设随机变量X的概率密度为 f（x）= 求D（X）. 解 E（X）= =0， E（X2）==1/6， 于是 D（X）=E（