概率论与数理统计4-2 方差.ppt

第二节 方差 教学内容 1 方差的定义与计算 2 方差的性质 3 切比雪夫不等式 4 常见分布的方差 教学重点 方差的计算与性质 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. 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： 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 由此可见,研究随机变量与其均值的偏离程度是十分必要的.、那么,用怎样的量去度量这个偏离程度呢?当然可能首先想到的是用 ，但他有正有负，因而会互相抵消而使 ，容易看到 这个数字特征就是我们这一讲要介绍的 方差 能度量随机变量与其均值E(X)的偏离程度. 但由于上式带有绝对值,运算不方便,通常用量 来度量随机变量X与其均值E(X)的偏离程度. 一、方差的定义 设X是一个随机变量，若E[(X-E(X)]2存在 , 称 E[(X-E(X)]2 为 X 的方差. 记为D(X)或Var(X)，即 D(X)=Var(X)=E[X-E(X)]2 若X的取值比较分散，则方差D(X)较大. 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D(X)较小； 因此，D（X）是刻画X取值分散程度的一个量，它是衡量X取值分散程度的一个尺度。 X为离散型， 分布率 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 . 二、方差的计算 X为连续型， X概率密度f(x) 定义法 计算方差的一个简化公式 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 二 常见分布的方差 解 为X的标准化变量 注 任何存在数学期望和方差（不为0）的随机变量都 可以标准化。 例2 设随机变量X具有(0—1）分布，其分布率为 求D(X) . 解 由公式 因此,0-1分布 例3 解 X的分布率为 上节已算得 因此,泊松分布 例4 解 因此,均匀分布 例5 设随机变量X服从指数分布,其概率密度为 解 由此可知,指数分布 例6 注意 对于任何一个正态分布中的参数 都有其自身的意义 三、方差的性质 1. 设C 是常数, 则 D(C)=0 ; 2. 若 C 是常数, 则 D(CX)=C2 D(X) ; 3. 设 X 与 Y 是两个随机变量，则 D(X+Y)= D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]} 若 X,Y 相互独立, 则有 此性质可以推广到有限多个相互独立的随机变量之和的情况. 下面我们证明性质3 证明 4. D(X)=0 P{X= C}=1 , 这里C=E(X) 推论 例7 设X~B(n,p)，求E(X)和D(X). 若设 i=1,2，…，n 则 是n次试验中“成功” 的次数 下面我们的举例说明方差性质应用 . 解 X~B(n,p), “成功” 次数 . 则X表示n重努里试验中的 于是 i=1,2，…，n 由于X1,X2,…, Xn 相互独立 = np(1- p) E(Xi)= p, D(Xi)= p(1- p) , 例8 设随机变量X和Y相互独立且X~N(1,2), Y~N(0,1). 试求Z=2X-Y+3的概率密度. 解: =4×2+1 =2×1-0+3 (E(Z), D(Z)) Z ~N(5, 32) 且X与Y独立, Y~N(0,1)， X~N(1,2), 则 Z~N E(Z)= =2E(X)-E(Y)+3 E(2X-Y+3) =5 D(Z)= D(2X-Y+3) =4D(X)+D(Y) =9 四、切比雪夫不等式 或 由切比雪夫不等式可以看出，若 越小，则事件{|X