概率論及数理统计随机变量的数字特征.pptVIP

随机变量的数字特征 与极限定理; ; ;一、离散型随机变量的数学期望 ;若统计100天, ;可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27.;这是以频率为权的 加权平均; 不妨把小张生产中出废品的情形用一个球箱模型来描述:; 记X为所取出的球的号码(对应废品数) . X为随机变量，X的概率分布列为;输入试验次数(即天数)n,计算机对小张的生产情况进行模拟,统计他不出废品，出一件、二件、三件废品的天数n0,n1,n2,n3 , 并计算;则对X作一系列观察(试验)，所得X的试验值的平均值也是随机的.;定义1 设X是离散型随机变量，它的概率分布列是: P(X=Xk)=pk , k=1,2,…;例2 某人的一串钥匙上有n把钥匙，其中只有一把能打开自己的家门，他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开一次后除去，求打开门时试开次数的数学期望.;例3 (0－1分布) 设X的分布列为;例4．（泊松分布）设X的分布列为 ;二、连续型随机变量的数学期望;小区间[Xi, Xi+1);由此启发我们引进如下定义.;例5．（均匀分布）设X的概率密度为 ;例6．（指数分布）设X的概率密度为 ;例7．（正态分布）设 ;例8．（柯西分布）设X的概率密度为 ; ; 这意味着，若从该地区抽查很多个成年男子，分别测量他们的身高，那么，这些身高的平均值近似是1.68.;三、随机变量函数的数学期望;如何计算随机变量函数的数学期望?; 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？; 类似引入上述E(X)的推理，可得如下的基本公式:; ;将g(X)特殊化，可得到各种数字特征:;例1.设X的分布列为;例2. 设公共汽车起点站在每小时的10分，30分， 50分发车，一位不知发车时间的乘客，每 小时内到达车站的时间是随机的，求该乘客 在车站等车的数学期望。; 则 ;设(X, Y)是二维随机变量, Z=g( X, Y )，则;当( X, Y )是连续型时：联合概率密度为f(x, y) ;四、数学期望的性质;五、数学期望性质的应用; ;例2 把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望.;下面我们给出数学期望应用的一个例子.; 这一讲，我们介绍了随机变量的数学期望，它反映了随机变量取值的平均水平，是随机变量的一个重要的数字特征.; ; 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：;又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图：; 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.;一、方差的定义 ;若X的取值比较分散，则方差较大 .;X为离散型， P(X=xk)=pk;二、计算方差的一个简化公式;例1. 设X~P(λ), 求DX.;例2.设X~U[a, b] 求DX ;例3.设 求DX ;若X~B（1，P）则 DX=pq 若X~P（λ）则DX=λ 若X~U [a, b] 则 ;例4 设r.v X服从几何分布，概率分布列为; D(X)=E(X2)-[E(X)]2 ;三、方差的性质; 4. D(X)=0 P(X= C)=1， 这里C=E(X);例5 二项分布的方差;于是;这一讲，我们介绍了随机变量的方差.; 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，就是本讲要讨论的; 任意两个随机变量X和Y的协方差,记为Cov(X,Y), 定义为 ; Cov(X,Y)=E(XY) -E(X)E(Y) ;若X1,X2, …,Xn两两独立,，上式化为; 协方差的大小在一定程度上反映了X和Y相互间的关系，但它还受X与Y本身度量单位的影响. 例如：;二、相关系数;相关系数的性质：;2. X和Y独立时， =0，但其逆不真.;例1 设X服从(-1/2, 1/2)内的均匀分布,而 Y=cos X,;例2.设随机变量X的概率密度为