隨机变量的数字特征未完.pptVIP

第四章 随机变量的数字特征; 本章要求：理解期望与方差的概念,掌握期望与方差的性质、计算，会计算随机变量函数的期望。掌握两点分布、二项分布、泊松分布、指数分布和正态分布的期望与方差。了解协方差、相关系数的概念及性质，会求相关系数，知道矩与协方差阵的概念及求法。;4.1随机变量的期望; ; ;4.1随机变量的期望4.1.1 离散型随机变量的期望; 定义 若X~P{X=xk}=pk, k=1,2,…n, 则称;例 掷一颗均匀的骰子，以X表示掷得的点数， 求X的数学期望。;例1;例2;到站时刻; X; 几个重要r.v.的期望;;例 设随机变量X的分布律为; 定理 若 X~P{X=xk}=pk, k=1,2,…, 则Y=g(X)的期望E(g(X))为 ;定义2 设X是连续型随机变量，其密度函数为 f (x),如果积分;例4; ;的分布函数为;1. 均匀分布U(a, b);2.指数分布; 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便.;例;1 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. ;1 解 设试开次数为X,;4.1.3 二维随 机变量的函数的期望。;例 设随机变量(X,Y)的分布律如下，求E(XY);例;例; 4.1.4数学期望的性质;例 设随机变量X服从标准正态分布，求随机变量 Y=aX+b的数学期望(其中a0); 可见，服从参数为n和p的二项分布的随机变量X的数学期望是 n p.;例 设随机变量X??N(0,1)，Y?U(0,1)，Z?B(5,0.5),且X，Y，Z独立，求随机变量 U=（2X+3Y)(4Z-1)的数学期望.;例 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.;例 一民航送客车载有20位旅客自机场开出,旅客有10个车站可以下车,如到达一个车站没有旅客下车就不停车.以X表示停车的次数，求E(X).(设每位旅客在各个车站下车是等可能的,并设各旅客是否下车相互独立) ;按题意;小结;4.2方差 ;若X的取值比较分散，则方差D(X)较大.;X为离散型， 分布率 P{X=xk}=pk;计算方差的一个简化公式;例; ;因此,泊松分布;例3;例4;4.2.3方差的性质;下面我们证明性质3;例6 设X~B(n,p)，求E(X)和D(X).;于是;例7;可只记结论;例如,;解：;;解;小结;4.3 协方差及相关系数; 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的; 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ，即 ; Cov(X,Y)=E(XY) -E(X)E(Y) ;D(X+Y)= D(X)+D(Y)+ 2Cov(X,Y); 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.;，; ;考虑以X的线性函数a+bX来近似表示Y，; =E(Y2)+b2E(X2)+a2- 2bE(XY)+2abE(X) - 2aE(Y); 这样求出的最佳逼近为L(X)=a0+b0X;但对下述情形，独立与不相关等价;三、课堂练习;解;小结;一、 原点矩 中心矩;协方差Cov(X,Y)是X和Y的二阶混合中心矩.;二、协方差矩阵;解:据协方差矩阵的定义.;精品课件资料分享