概率四章蓝底.pptVIP

例13 设甲、乙两人玩必分胜负的赌博游戏，假定游戏的规则不公正，以致两人获胜的概率不等，甲为p,乙为q，pq,p+q=1.为了补偿乙的不利地位，另行规定两人下的赌注不相等，甲为 a, 乙为b, ab. 现在的问题是：a究竟应比b大多少，才能做到公正？ 下面我们给出数学期望应用的一个例子. 解：设甲赢的钱数为X，乙赢的钱数为Y， 为对双方公正,应有 依题意 E(X)=bp+(-a)q, E(Y)=aq+(-b)p bp-aq=aq-bp=0, 故 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 若让你就上述结果评价一下两台仪器的优劣，你认为哪台仪器好一些呢？ 乙仪器测量结果 甲仪器测量结果 较好 测量结果的均值都是 a 因为乙仪器的测量结果集中在均值附近 第二节 方差 为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度. 这个数字特征就是我们这一节要介绍的 方差 方差是随机变量X与其“中心”E(X)的偏差平方的平均。方差刻划了随机变量的取值对于其数学期望的离散(偏离)程度 . 注：若方差D(X)=0,则随机变量 X 以概率1取常数值 . 计算方差的一个简化公式 D(X)=E(X2)-[E(X)]2 展开 证：D(X)=E[X-E(X)]2 =E{X2-2XE(X)+[E(X)]2} =E(X2)-2[E(X)]2+[E(X)]2 =E(X2)-[E(X)]2 利用期望 性质 即D(X)=0 P{X= C}=1， 这里C=E(X) 方差的性质 设随机变量X与Y的方差存在，则 可推广为：若X1,X2,…,Xn相互独立,则 注：（４）可推广到ｎ个相互独立随机变量的 情形。 例：设一次试验中事件 A 发生的概率为ｐ，则在ｎ次这样的独立重复试验中事件 A 发生的次数 X～B(ｎ,ｐ)， 求 E ( X ) ，D( X ). 解 ： X 的分布律为 第ｉ次试验中A发生 第ｉ次试验中A不发生 则Xi(1≤ i≤ n )是服从0-1分布的随机变量且有 又 E ( Xi ) = p , D ( Xi ) = p(1-p) (1≤ i≤ n) 几种重要随机变量的方差 X 0 1 P 1-p p 注：正态随机变量的概率密度中的两个参数u, σ2分别就是该随机变量的数学期望和方差，故正态随机变量的分布完全由它的数学期望和方差所确定。 随机变量的分布完全可由它的数学期望和方差来确定。 例2 设随机变量X和Y相互独立, 且 X~N(1,2), Y~N(0,1). 试求Z=2X-Y+3的概率密度. 故X和Y的联合分布为正态分布，X和Y的 任意线性组合是正态分布. 解: X~N(1,2),Y~N(0,1)，且X与Y独立, D(Z)=4D(X)+D(Y)=8+1=9 E(Z)=2E(X)-E(Y)+3=2+3=5 即 Z~N(E(Z), D(Z)) Z~N(5, 32) 故Z的概率密度是 Z~N(5, 32) 前面我们介绍了随机变量的数学期望和方差，对于多维随机变量，反映分量之间关系的数字特征中，最重要的，就是本节要讨论的 协方差和相关系数 第三节 协方差与相关系数 若(X,Y)为二维离散型随机变量，其联合分布律为 P{X=xi，Y=yj}=pij， i,j=1,2,… 若(X,Y)为二维连续型随机变量，其概率密度为f(x,y) * * 第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差与相关系数 第四节 矩、协方差矩阵 本章主要内容 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 我们先介绍随机变量的数学期望. 在这些数字特征中，最常用的是 期望和方差 第一节 数学期望 例: 某种产品即将投放市场，根据市场调查估计每件产品有60%的把握按定价售出，20%的把握打折售出及20%的可能性低价甩出。上述三种情况下每件产品的利润分别为5元，2元和 -4 元。厂家对每件产品可获利多少？ 解: 设 X 表示一件产