第四单元随机变量的数字特征.pptVIP

第四章 随机变量的数字特征 一、 离散型随机变量的数学期望 定义4.1 设离散随机变量X的分布律为 P(X=xn) = pn, n = 1, 2, ... 若级数 二、连续型随机变量的数学期望 定义4.1.2 设连续随机变量X的概率密度为f(x), 若积分 4.2 方差与标准差的定义 定义4.2.1 若 E(X?E(X))2 存在，则称 E(X?E(X))2 为 X 的方差，记为 注 意 点 (2) 称 三、 方差的性质 §4.3 协方差与相关系数 本节主要给出二维随机变量 X 与Y 之间相互关系的数字特征。 4.3.1 协方差 协方差的性质 4.3.2 相关系数 注 意 点 的大小反映了X与Y之间的线性关系： 若 (X, Y)的概率密度为 求 例11 练习 (1) 已知随机变量X的概率密度为 求 D（X）. （2） 设 (X, Y) 的联合分布律为 X 0 1 Y 0 1 1/3 0 1/2 1/6 求 D(X) , D(Y). 设 (X, Y)服从在D上的均匀分布，其中D由 x轴、y轴及x+y=1所围成，求 练习: 2. 常见分布的期望与方差 参数为p 的 0-1分布 pq B(n,p) npq P(?) ? 分布 方差 概率分布 期望 p np ? 区间(a,b)上的 均匀分布 E(?) N(?,? 2) 分布 期望 概率分布 方差 1. 已知随机变量X服从二项分布,且E(X)= 2.4, D(X)=1.44,则二项分布的参数n,p的值为（ ） ① n=4,p=0.6 ② n=6, p=0.4 ③ n=8,p=0.3 ④ n=24, p=0.1 2. 设X表示 10次独立重复射击命中目标的次数,每次射中目标的概率为0.4,则X的数学期望E(X)=（ ） 例12 (1)已知随机变量 X 服从二项分布，且 E(X)= 2.4, D(X)=1.44, 求参数 n, p 的值？ 解：从 2.4= np, 1.44 = npq 中解得 n=6, p=0.4. (2)设随机变量 X 服从泊松分布P(?) ，且 P(X=1)= P(X=2), 求D(X). (3)设X 服从某一区间上的均匀分布，且 E(X)=3, D(X)=1/3, 求X的概率密度. (1) D(c)=0. (3) D(aX+b) = a2D(X). (2) D(CX)=CD(X). (4) D(X+Y)=D(X)+D(Y), 如果X与Y是独立的 推广： D(X1+X2+…+Xn) = D(X1)+D(X2)+…+D(Xn) 若X1,X2, …，Xn相互独立 (1) 设 X与Y独立，且D(X)=4, D(Y)=2, 求 例13 (2) 若X1,X2, …，Xn相互独立,E(Xi)= ?, D(Xi)= ?2,求 的期望和方差. 定义4.3.1 称 Cov(X, Y) = E([X?E(X)][Y?E(Y)]) 为 X 与 Y 的协方差. 协方差的计算公式 Cov(X, Y) = E(X Y) - E(X)E(Y) 若 (X, Y)的概率密度为 求 例14 设 (X, Y)服从在D上的均匀分布，其中D由x轴、 y轴及x+y=1所围成，求X与 Y的协方差Cov(X, Y) 。 例15 (1) Cov(X, Y) = Cov(Y, X). (4) 若 X 与 Y 独立，则 Cov(X, Y) = 0. (2) Cov(aX, bY) = abCov(X, Y) . (3) Cov(X+Y, Z) = Cov(X, Z) + Cov(Y, Z). 判断例14，例15中X与Y独立与否 。 定义4.3.2 称 为 X 与 Y 的相关系数. 例16 设 随机变量X与Y的方差分别为25和16，协方差为8，求相关系数 解: 相关系数的性质 (2) X 与 Y 几乎处处有线性关系。 ? P(Y=aX+b)=1 (1) 接近于1， X 与 Y 间 正相关.