第四章大学概率统计.ppt

证明: 方差的性质(P87) (1) D(c)=0 反之，若D（X）=0，则存在常数C，使 P{X=C}=1. (2) D(aX)=a2D(X), a为常数； 证明: X与Y独立 (3) 若 X，Y 独立，则 D(X+Y)=D(X)+D(Y); 2. 二项分布b(n, p)： 几个重要r.v.的方差(P90) 1.0-1分布的数学期望 EX=p DX=p(1-p) 解法: 设 第i次试验事件A发生 第i次试验事件A不发生 则 3. 泊松分布∏(?)： 4. 均匀分布U(a, b)： 5.指数分布： 6. 正态分布N(?, ?2)： 1.请给出一个离散型随机变量X和一个连续型随机变量Y，使它们的期望都是2，方差都是1。 2.已知随机变量X1,X2,…,Xn相互独立，且每个 Xi的期望都是0，方差都是1,令Y=X1+X2+…+Xn，求E（Y2） 思考 切比雪夫不等式(P87) 若r.v.X的期望和方差存在，则对任意??0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下等价的形式： 解: 由切比雪夫不等式 令 已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价超过1+a元或低于1-a元的概率小于10%。 当Cov(X,Y)=0时，称X与Y不相关。 “X与Y独立”和“X与Y不相关”有何关系？ §3 协方差及相关系数 一、协方差定义与性质 定义 若r.v. X的期望E(X)和Y的期 望E(Y)存在, 则称 Cov(X, Y)=E{[X?E(X)][Y?E(Y)]} 为X与Y的协方差, 易见 Cov(X, Y)=E(XY) - E(X)E(Y). (P91) 证: 例1 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。 故, X与Y不独立. * * * * * * 第四章 随机变量的数字特征 一. 数学期望 二.方差 三. 协方差、相关系数 §1 随机变量的数学期望 例：一射击选手进行打靶练习，规定射入区域e2得2分，射入区域e1得1分，射入区域e0得0分。该选手总共射击N次， a0次得零分， a1次得1分， a2次得2分。求该选手的平均成绩？ 定义 (p79)若离散型r.v. X~P{X=xk}=pk, k=1,2,…,且 ，则称 为r.v.X的数学期望, 简称期望或均值。 数学期望——描述随机变量取值的平均特征 定义 若连续型r.v.X~f(x), 为X的数学期望。(P79) 则称 几个重要r.v.的期望 1.0-1分布的数学期望 2. 二项分布b(n, p) EX=p 3.泊松分布 4.均匀分布U(a,b) 5.指数分布 6. 正态分布N(?,?2) 解: Y Pk 1 0 随机变量函数的期望 EX1：设随机变量X的分布律为 求: 随机变量Y=X2的数学期望. X Pk -1 0 1 定理1: 若 X~P{X=xk}=pk, k=1,2,…, 则Y=g(X)的期望 E(Y) 为(p81) 推论: 若(X,Y)~P{X=xi ,Y=yj}=pij, i,j=1,2,… , 则 Z=g(X，Y)的期望为 解: 例4 设随机变量(X,Y)的分布律如下，求E(XY) (p82)定理2 若X~f(x), -?x?, 则Y=g(X)的期望 推论： 若(X, Y) ~f (x, y), -?x?, -?y?, 则Z=g(X, Y)的期望 设X服从N(0,1)分布，求E(X2),E(X3),E(X4). 解： E(XY) 例5 已知二维r.v.(X,Y)的密度函数为 求：E(XY). 1. E(c)=c, c为常数; 证明: 设X~f(x), 则 数学期望的性质(P83) 2. E(cX)=cE(X), c为常数; 3. E(X+Y)=E(X)+E(Y); 证明: 设(X,Y)~f(x,y) 4. 若X与Y独立，则E(XY)=E(X)E(Y). 证明: 设(X,Y)~f(x,y) 例6 若X~b(n,p), 求 E(X). 解: 设X为n重贝努里试验中事件A发生的次数，P(A)=p 第i次试验事件A发生 第i次试验事件A不发生 则 令 答: 答: EX1：设随机变量X??N(0,1)，Y?U(0,1)，Z?B(5,0.5),且X，Y，Z独立，求随机变量U=（2X+3Y)(4Z-1)的数学期望。 EX2 设随机变量 相互独立，且均服从 分布，求随机变量 的数学期望. 解：设r.v.X为掷一色子10次，所得点数之和。 Xi (i=1