概率统计课件四.pptVIP

应用 应用1 协性质 显然， 故 y=3500 时, E(Y )最大, E (Y )= 8250万元 解 应用4 假定一大型设备在任何长为 t 的时间内 发生故障的次数 N( t ) ~ P(?t), 求 相继两次故障的时间间隔 T 的数学期望。 例4 先求T的分布函数 即 设由自动线加工的某种零件的内径 X (mm)~ N (? ,1).已知销售每个零件的利润 T (元)与销售零件的内径 X 有如下的关系： 问平均直径 ? 为何值时, 销售一个零件的 平均利润最大？ 应用5 应用4 解 即 可以验证， 零件的平均利润最大. 故 时, 销售一个 引例 甲、乙两射手各打了6 发子弹,每发 子弹击中的环数分别为： 甲 10, 7, 9, 8, 10, 6, 乙 8, 7, 10, 9, 8, 8, 问哪一个射手的技术较好？ 解 首先比较平均环数 甲 = 8.3, 乙 = 8.3 §4.2 方差 有五个不同数 有 四 个 不 同 数 §4.2 方差 若E [X - E(X)]2 存在, 则称其为随机 称 为 X 的均方差或标准差. 方差概念 定义 即 D (X ) = E [X - E(X)]2 变量 X 的方差, 记为D (X ) 或 Var (X ) 两者量纲相同 概念 D(X ) —— 描述随机变量 X 的取值偏离平均值的平均偏离程度 —— 数 若 X 为离散型随机变量，分布律为 若 X 为连续型随机变量，概率密度为 f (x) 计算方差的常用公式： D (C) = 0 D (aX ) = a2D(X) D(aX+b ) = a2D(X) 特别地，若X ,Y 相互独立，则 方差的性质 性质 若 相互独立， 为常数 则 若X ,Y 相互独立 对任意常数C, D (X ) ? E(X – C)2 , 当且仅当C = E(X )时等号成立 D (X ) = 0 P (X = E(X))=1 称为X 依概率 1 等于常数 E(X) 性质 1 的证明： 性质 2 的证明： 性质 3 的证明： 当 X ,Y 相互独立时， 注意到， 性质 4 的证明： 当C = E(X )时，显然等号成立； 当C ? E(X )时， 例1 设X ~ P (?), 求D ( X ). 解 方差的计算 例1 例2 设X ~ B( n , p)，求D(X ). 解一 仿照上例求D (X ). 解二 引入随机变量 相互独立， 故 例2 例3 设 X ~ N ( ?, ? 2), 求 D( X ) 解 例3 常见随机变量的方差(P.159 ) 分布 方差 概率分布 参数为p 的 0-1分布 p(1-p) B(n,p) np(1-p) P(?) ? 方差表 分布 方差 概率密度 区间(a,b)上 的均匀分布 E(?) N(?,? 2) 例4 已知X ,Y 相互独立, 且都服从 N (0,0.5), 求 E( | X – Y | ). 解 故 例4 标准化随机变量 设随机变量 X 的期望E(X )、方差D(X ) 都存在, 且D(X ) ? 0, 则称 为 X 的标准化随机变量. 显然， 例7 已知 X 服从正态分布, E(X ) = 1.7, D(X ) = 3, Y =1 – 2 X , 求Y 的密度函数. 解 例7 在已知某些分布类型时,若知道 其期望和方差,便常能确定分布. 附例 在 [0, 1] 中随机地取两个数 X , Y , 求 D (min{ X ,Y }) 解 1 1 0 附例 例8 已知 X 的概率密度为 其中 A ,B 是常数，且 E (X ) = 0.5. 求 A ,B. 设 Y = X 2, 求 E (Y ),D (Y ) 例8 解 (1) (2) § 4.4 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 对二维随机变量,除每个随机变量各自 的概率特性外, 相互之间可能还有某种联系 问题是用一个怎样的数去反映这种联系. 数 反映了随机变量 X , Y 之间的某种关系 § 4.4 * 第四章 第四章 随机变量的数字特征 分布函数能完整地描述随机变量的 特性, 但实际应用中并不都需要知 道分布函数，而只需知道随机变量 的某些特征. 判断棉花质量时, 既看纤维的平均长度 平均长度越长,偏离程度越小, 质量就越好; 又要看纤维长度与平均长度的偏离程度 例如： 考察一射手的水平, 既要看他的平均环数是否高, 还要看他弹着点的范围是否小, 即