第二节 随机变量的方差和矩.ppt

解： 易知 的面积为 所以二维随机变量 的联合概 （1）当 或 时， 显然有 有 时， 当 区域 如图， 率密度为 * 所以 的边缘概率密度为 （2） 所以 因此 * 常用分布及其数学期望与方差 分布名称 及记号 概率函数或概率密度 数学 期望 方差 分布 二项分布 * 超几何 分布 概率函数或概率密度 数学 期望 方差 分布名称 及记号 续表 * 概率函数或概率密度 数学 期望 方差 分布名称 及记号 续表 泊松分布 几何分布 * 概率函数或概率密度 数学 期望 方差 分布名称 及记号 续表 均匀分布 指数分布 * 概率函数或概率密度 数学 期望 方差 分布名称 及记号 续表 正态分布 * 概率函数或概率密度 数学 期望 方差 分布名称 及记号 续表 分布 * 四、原点矩和中心矩 将g(X)特殊化, 再求期望,可得到各种数字特征: 其中 k 是正整数. 假设上述期望均存在 显然, 随机变量 的一阶原点矩就是数学期望, 二阶中心矩就是方差. * * 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 概率论与数理统计（湘潭大学） 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 上一页 下一页 概率论与数理统计（湘潭大学） 目录 结束 返回 第二节 随机变量的方差和矩 一、方差的概念 二、方差的性质 三、方差的计算 四、原点矩和中心矩 * 上一节我们介绍了随机变量的数学期望，它体现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. 但是在一些场合，仅仅知道平均值是不够的. 一、方差的概念 * 引例1 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 * 引例2 设 与 都服从均匀分布， 概率密度分别为： 易知 虽然它们的数学期望相同， 但它们的分布却有着 显著的不同. 的可能值比较集中， 而 的可能值则 比较分散. * 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 定义1 随机变量 与其数学期望 的差， 叫做 的离差. 注：随机变量离差的数学期望恒等于零. 方差 * 采用平方是为了保证一切 差值X-E(X)都起正面的作用 由于它与X具有相同的度量单位，在实际问题中经常使用. 方差的算术平方根 称为标准差或均方差 定义2 设X是一个r.v，若E[(X-E(X)]2∞，则称 D(X)=E[X-E(X)]2 为X的方差. * 若X的取值比较分散，则方差较大 . 若方差D(X)=0,则r.v X 以概率1取常数值 . 方差刻划了随机变量的取值对于其数学期望的离散程度 . 若X的取值比较集中，则方差较小； * X为离散型， P(X=xk)=pk 由定义知，方差是随机变量X的函数 g(X)=[X-E(X)]2的数学期望 . X为连续型， X~f(x) * 计算方差的常用公式 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 请自己用此公式计算常见分布的方差. * 二、方差的性质 性质1 是任意常数）. 证明 性质2 是任意常数）. 证明 * 性质3 是任意常数）. 证明 D(aX+b ) = a2D(X) 由性质2、3可得： * 若随机变量 相互独立，则 证明 因为 独立，所以 性质4 * 类似可证明: 若随机变量 相互独立，有 性质4可推广为有限多个相互独立随机变量和的情形 若随机变量 相互独立，则 * 性质5 的充要条件是 证明 充分性, 则 必要性, 若 若 即 所以 * 例1 设X服从两点分布，其概率分布为 求 解 三、方差的计算 * 例2 随机变量 求 解 因为 则X表示n重贝努利试验中的“成功” 次数. 若设 则 X= X1+X2+…+Xn i=1,2，…，n D(Xi)= pq 由例1知 所以 D(X)