大数定理及中心极限定理演示文件修改版.pptVIP

第七章 大数定理及中心极限定理 一、随机变量的数字特征 二、大数定理及中心极限定理 三、 统计量及其分布 一、随机变量的数字特征 数学期望与方差 数学期望又称期望或均值，是随机变量所有可能取值的平均水平，代表随机变量分布的集中趋势，一般用E(X)或μ表示。 数学期望有如下性质： 1)若C为常数，则有E(C)=C; 2)若X是一个随机变量，C为常数，则有E(CX)=CE(X); 3)若X、Y是两个任意随机变量，则有E(X+Y)=E(X)+E(Y) 4)若X、Y是两个独立的随机变量，则有E(XY)=E(X)E(Y) 一、随机变量的数字特征 随机变量方差是每一个随机变量可能取值与期望值的离差的平方的期望值，是用来反映随机变量取值的离散程度，一般用D(x)或σ2表示 ，即 D（X）= σ2 =E [ X-E（X）]2 =E（X2）-[E（X）]2 标准差σ= D（X） 方差基本性质： 1）若C为常数，则有D（C）=0； 2）若X是一个随机变量，C是常数，则D（CX）=C2D（X） D（X+C）=D（X） 3）若X、Y是两个相互独立的随机变量，则有 D（X+Y）=D（X）+D（Y） 一、随机变量的数字特征 离散型随机变量的数字特征 离散型随机变量的期望及方差 若随即变量为有限个值：x1，x2，…，xn，其对应的概率分别是 p1，p2， …，pn，其中，pi＞0， =1，则数学期望为 E （X）= μ=X1P1+X2P2+…+XnPn= 若随即变量为有限个值：x1，x2，…，xn，… ，其对应的概率 分别是p1，p2， …，pn，其中，pi＞0， =1，则数学期望为 一、随机变量的数字特征 离散型随机变量的期望及方差 E（X）= μ=X1P1+X2P2+…+XnPn= 设X是一个随机变量，若E[X-E（X）]2存在，则它是X的方差，记为D（X）或σ2 即 D（X）= E[X-E（X）]2 =E（X2）-[E（X）]2 一、随机变量的数字特征 两点分布的数字特征 若随即变量X～B（1，p）则 E（X）=p D（X）=pq （q=1-p） 二项分布的数字特征 若随机变量X～B（n，p）则 E（X）=np D（X）=npq （q=1-p） 几何分布的数字特征 若随即变量X～G（p） 则 E（x）=1/p D（X）=q/p2 （q=1-p） 一、随机变量的数字特征 泊松分布的数字特征 若随即变量X～P（λ）则 E（X）= λ D（X）= λ 超几何分布的数字特征 若随即变量X～H（λ）则 E（X）= D（X）= 一、随机变量的数字特征 连续型随机变量的数字特征 连续型随机变量的数学期望和方差 对于随机变量X，如果它的密度函数为非负函数f（x），若积分 绝对收敛，则 E（x）= D（X）= 一、随机变量的数字特征 均匀分布的数字特征 均匀分布的随机变量X的分布密度函数为 f（x）= 那么数学期望E（x）= 方差为 一、随机变量的数字特征 指数分布的数字特征 指数分布的随机变量X的分布密度函数为 f（x）= 则有数学期望