第四章__随机变量的数字特征.pptVIP

第四章 随机变量的数字特征;引例 曾有人用20枚签（其中10枚标有5分分值，10枚标有10分分值）设赌。让游客从中抽出10枚，以10枚签的分值总和为奖、罚依据。具体奖罚金额见下表:;分值;用X 表示奖罚金额;抽到这些结果的将分别有:;所以“罚一元”的概率为:;再看看得到大奖100元的概率有多大？;X -1 0 10 100 P 0.82110 0.1778 1.0825*10-3 1.0825*10-5;如何计算平均值？;类 比;当试验次数越来越大时，频率将稳定于概率。而事实上，上表中的第二行正是相应的概率值，所以，上式算出的不是n 次试验中 X 的实际平均值，而是：如果把试验一直进行下去，我们期望能得到的理论上的平均值。数学上称之为数学期望（expectation），记为EX。;定义1 设X是离散型随机变量，它的概率分布为： P( X = Xk ) = pk , k = 1, 2, …;定义2 设X是连续型随机变量，其密度函数为 f (x),如果 绝对收敛，定义X的数学期望为： ;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.均匀分布 X ~ U (a , b );2.二项分布 X ~ B (n, p);;5.指数分布(P102);6.正态分布;随机变量函数的数学期望; 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来。;另一种方法是不求 g( X ) 的分布而只根据 X 的分布求得 E [ g (X ) ]。;公式的推广：;例2.设随机变量X的分布律为;例3;例4.（P96） 设随机变量 ( X , Y )的概率密度： ;数学期望的基本性质;解：X表示n重伯努利试验中的“成功” 次数。;例6. 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.;§2 . 方差; 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.;方差的定义 ; 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 。;方差的简便计算公式;例1：设随机变量X的概率密度为;EX.;方差的性质;例2 求二项分布的期望和方差;E(X) =;几个重要随机变量的方差;;均匀分布 X ~ U (a , b );正态分布;5.指数分布 ;切比雪夫不等式;例3 已知正常男性成人血液中，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 .; P(5200 X 9400);即估计每毫升白细胞数在5200~9400之间的概率不小于8/9 .;§3 . 协方差与相关系数;一、协方差;2.简单性质;3. 计算协方差的简单公式;4. 随机变量和的方差与协方差的关系; 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：;D(Y- bX)=;由于方差 D(Y) 是正的,故必有 1- ≥ 0,所以 | |≤1。;;3. X和Y独立时， =0，但其逆不真.;例 设X服从(-1/2, 1/2)内的均匀分布,而 Y = cos X;以上EX的结果说明了什么？; ρX Y =0 称 X，Y 不相关;已经知道：;设X和Y是随机变量，;协方差矩阵的定义;类似定义n维随机变量 ( X1, X2, …, Xn ) 的协方差矩阵：;下面给出n维正态分布的概率密度的定义.;其中C是( X1, X2, …,Xn ) 的协方差矩阵。;n元正态分布的几条重要性质;2. 若 X = ( X1, X2, … , Xn ) 服从n元正态分布，;3. 设 ( X1, X2, … , Xn ) 服从n元正态分布，则;例 设随机变量X和Y相互独立且 X~ N( 1, 2 ), Y ~ N( 0