概率论概率--.pptVIP

第四章 随机变量的数字特征 §4.1 数学期望 一、随机变量的数学期望 二、随机变量函数的数学期望 三、几个常用随机变量的数学期望 四、数学期望的性质 解 五、小结 一、方差与标准差 四、小结 3. 方差的性质 利用软件包求解,并演示计算结果. 单击图形播放/暂停 ESC键退出 数学期望是一个实数, 而非变量,它是一种加权平均, 与一般的平均值不同,它从本质上体现了随机变量 X 取可能值的真正的平均值. 2. 数学期望的性质 我们知道数学期望反映了随机变量取值的平均， 而在许多实际问题中，仅仅知道数学期望是不够的。 为了说明这一点，我们先考察一个例子。 现有两种牌号的手表，它们的日走时误差X，Y(分 钟)具有如下的分布律。 4.2 方 差 ? -2 -1 0 +1 +2 ? 0 0.1 0.8 0.1 0 X p ? -2 -1 0 +1 +2 ? 0.1 0.2 0.4 0.2 0.1 Y p 容易验证EX=EY=0，从数学期望(即日走时误差的平均值)去看这两种牌号的手表，是分不出优劣的。 如果仔细分析一下两个分布律，可以发现乙种牌号手表的日走时误差比较分散而显得不稳定。相对来说，甲种牌号手表的日走时误差比较稳定。因此从这个意义上讲，牌号甲的手表要优于牌号乙！ 也就是说，这两个随机变量从平均值(数学期望)上看没有差异，但从取值的分散程度上看还是有差异的。 为了描述这种差异，我们引入另一个数字特征——方差和标准差。 一、方差与标准差 三、例题讲解 二、重要概率分布的方差 四、小结 内容 按定义，随机变量X的方差表达了X的取值与其数学期望EX的偏离程度，若X的取值比较集中，则DX较小。反之，若X取值比较分散，则DX较大。因此DX是刻划取值分散程度的一个数量指标。 由定义可知，方差实际上就是随机变量函数 g(X)=(X -EX )2的数学期望。 于是，若X是离散型随机变量，则 若X是连续型随机变量， 则 实际计算时，常用如下简便计算公式： 事实上， 现在重新来考察一下前述的甲、乙两种牌号手表的日走时误差的方差，由于EX =EY =0。 由于DX DY ，因此，从走时稳定程度看，甲种牌号的手表要优于乙种牌号的手表。 例1 设随机变量X服从(0-1)分布， 其分布律为 其中0p1，q=1-p。试求DX 。 解 因为 EX=p， 又，EX2=02×+12×p=p。因此 DX=EX2－(EX)2=p－p2=p(1－p)=pq。 例3 设随机变量X具有概率密度 试求DX 。 解 于是 证明 二、方差的性质 (1) 设 C 是常数, 则有 (2) 设 X 是一个随机变量, C 是常数, 则有 证明 (3) 设 X, Y 相互独立, DX，DY 存在, 则 证明 推广 解 显然X所有可能取的值为0，1，…，n。由独立性知X以特定的方式取k(0≤k≤n)的概率为 而X取k的两两互不相容的方式共有 即X服从参数为的二项分布 三、几个常用分布的方差 1、二项分布 设X是服从参数为n，p的二项分布，其分布律为 2. 泊松分布 设随机变量X服从参数为的泊松分布，则分布律为 3. 均匀分布 设X服从(a，b)上的均匀分布，则概率密度为 4．指数分布 设随机变量X服从参数为的指数分布，其概率密度为 5. 正态分布 设随机变量X服从参数为?，?的正态分布N (?，?2)，则其概率密度为 分　　布 参数 数学期望 方差 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布 解 例7 解 例8 解 例9 1. 方差是一个常用来体现随机变量 X 取值分散程度的量. 如果 D(X) 值大, 表示 X 取值分散程度大, E(X) 的代表性差; 而如果 D(X) 值小, 则表示 X 的取值比较集中, 以 E(X) 作为随机变量的代表性好. 2. 方差的计算公式 这说明了什么？ 二、几个常用分布的数学期望 1. 二项分布 设随机变量X服从参数为n，p的二项分布，即X的分布律为 n为自然数。 2. 泊松分布 设随机变量X服从参数为?的泊松分布，其分布律为 3. 均匀分布 设X服从(a，b)上的均匀分布，即概率密度为 4．指数分布 设随机变量X服从参数为?的指数分布，其概率密度为 5. 正态分布 设随机变量X服从参数为?，?的正态分布N (?，?2)，其概率密度为 三、随机变量函数的数学期望 对于随机变量X，随机变量X的函数Y =g(X)仍然 是一个随机变量。如