概率统计辅导答疑第4章.docVIP

4 数字特征 基本要求 1．理解数学期望与方差的概念，熟练掌握它们的性质与计算。 2．会计算随机变量函数的数学期望。 3．熟练掌握二项分布、泊松分布、正态分布的数学期望与方差。了解均匀分布、指数分布等分布的数学期望与方差。熟记一些常用的结果，并能灵活运用。 4．理解随机变量的独立性与不相关性之间关系，了解矩、协方差、相关系数等的概念与性质，熟练掌握其计算公式及应用。 疑难解答 1、为什么要研究随机变量的数字特征？ 答：从前面的讨论中知道，随机变量的分布函数(分布律或概率密度)全面描述了随机变量的统计规律性。但是，一方面要求出随机变量的分布函数有时并不容易，另一方面，在许多实际问题中，这种全面描述有时并不方便。举例来说，要比较两个班级学生的学习情况，如果仅考察考试的成绩分布，有高有低、参差不齐，难以看出哪个班的成绩更好一些。通常是比较平均成绩（期望）以及该班每个学生的成绩与平均成绩的偏离程度（方差），一般总是认为平均成绩高、偏离程度小的班级当然学习情况好些。这种“平均成绩”、“偏离程度”显然不是对考试成绩这个随机变量的全面描述，但它们确实反映了考试成绩这个随机变量的某些特征。这样的例子还可以举出很多：比较不同品种农作物的产量，通常只需比较平均亩产量；比较两种钢材的抗拉强度，只需比较它们的平均抗拉强度；检查一批棉花的质量，只需了解这批棉花的平均纤维长度及这批绵花的纤维长度与平均纤维长度的偏离程度等等。由这些例子可以看到，某些与随机变量有关的数值，虽然不能完整地描述随机变量，但比较集中地概括了人们所关心的某些特征，我们把描述随机变量某些特征的数字，称为随机变量的数字特征。这些数字特征在理论上和实践上都具有重要意义。2、如何理解数学期望和方差？它有什么作用？ 答：数学期望和方差是描述随机变量的两个最重要的数字特征，数学期望的实际意义就是在随机试验中可能取值的理想（或期望）平均值，因此数学期望有时也称为数学理想，它是概率意义上的平均值，这和通常数值意义上平均值不同，否则就无所谓期望或理想了。 方差是描述了随机变量取值的集中(或分散)程度。较大方差说明取值相对于较分散。实用上，以显示差异性为目的的试验希望有较大的方差。例如，选拔人才的考试，只有在其成绩有较大方差时，才能实现好中选优的目的。较小的方差说明取值相对于较为集中。以考察稳定性为目的的试验希望有较小的方差。例如，对于质量指标的掌握总是以较高的数学期望和较小的方差作为努力的目标。 3、怎样计算数学期望？ 答：根据题设提供的不同条件，可分别用下述方法计算期望： （1）若已知或易求离散型随机变量分布列pi和连续型随机变量概率密度f (x)，则可按定义求：E=或E=。 （2）对于随机变量的函数=g()或(，)的数学期望可由定理求： E=E[g()]=，或， （3）还可以利用数学期望的性质求： 如E(C)=C； E(C)=CE；，E(+)=E+E；若、是相互独立的随机变量，则有E(·)=(E)(E)等等。 4、怎样计算方差？ 答：与上问类似，可以将随机变量分为离散型和连续型分别用不同的公式求之，但要特别注意：； D()=D+D 只有当、是两个相互独立的随机变量，才有D(+)=D+D。 另外方差也常用下列公式计算： D=E。 5、在数学期望的定义中，为什么要求级数绝对收敛（离散型）或积分绝对收敛（连续型）？ 答：要求收敛是容易理解的，若发散，则无确定性，就定义不成期望，因为定义的概念总要有存在性和唯一性。 问题是为什么还要求绝对收敛呢？这是不是多余的呢？这不是多余的。因为我们知道，只有的绝对收敛级数才能保证级数一定收敛且其和与级数中项的排列次序无关，而随机变量取值是随机的，因此要求绝对收敛就变得很自然的了。 6、数学期望和方差有无力学或物理意义？ 答：数学期望的统计意义是的总体均值，其物理意义是随机点集中的位置，也就是说随机质点在周围波动，是随机质点系的中心。 下面再作一力学解释，由于和，我们将写成 ,或 由力学知识或定积分的应用公式知，上两式即为求质点系（或曲线）的重心（或质心）从坐标的计算公式。相应地，方差 ,或 可以解释为概率函数或的随机点沿轴分布的质量关于过质量中心且垂直于轴的轴线的转动惯量。 7、数学期望与的样本均值有什么区别与联系？ 答：它们的关系类似于事件A的概率P(A)与频率之间的关系。 与的区别：是某随机现象（或随机变量）所固有的数字特征，它是客观存在的理论值，没有随机性，即不随着试验改变而改变。而是一次具体试验的n个样本值的平均值，它随着试验改变而改变。 与的联系：它们都是反映随机变量的“平均状态”这一统计特征，一为总体均值，一为样本（局部）均值，且有 8、随机变量的分布与数字特征有何关系？ 答：如果已知随机变量的分布可以唯一确定其数字特征，反之却未必；但