4.2随机变量的方差.pptVIP

例．甲、乙两射手的例中， 5.方差的性质 假定以下所遇到的随机变量的方差存在: (1) 设C是常数，则D(C)=0； (2) 设X是随机变量，a是常数，则D(aX)=a2D(X),从而 D(aX+b)=a2D(X)； (3) 设X，Y是两个相互独立的随机变量，则有D(X?Y)=D(X)+D(Y)； 证:D(X+Y)=E{[(X+Y)-E(X+Y)]2} =E{[(X-E(X))+(Y-E(Y))]2} =E{[X-E(X)]2}+E{[Y-E(Y)]2} +2E{[X-E(X)][Y-E(Y)]} 由于X，Y相互独立，X－E(X)与Y－E(Y)也相互独立，由数学期望的性质， 2E{[X-E(X)][Y-E(Y)]}=2E[X-E(X)]?E[Y-E(Y)]=0 于是得 D(X+Y)=D(X)+D(Y). 这一性质可以推广到任意有限多个相互独立的随机变量之和的情况。 例．若X,Y为相互独立的连续型随机变量，联合概率密度为f(x,y),则 6．几种重要随机变量的数学期望和方差 (1) 设随机变量X具有(0-1)分布，其分布律为P{X=0}=1-p，P{X=1}=p,则D(X)=p(1-p)。 证: E(X)=0·(1-p)+1·p=p ,E(X2)=02·(1-p)+12·p=p， D(X)=E(X2)-[E(X)]2=p-p2=p(1-p)。 (2)二项分布 设X?b(n,p),，其分布律为 (3)泊松分布 设若 X??(?),其分布律为 则E(X)=?, D(X)=?。 (4)均匀分布 设X在区间(a，b)上服从均匀分布，则E(X)=(a+b)/2， (5)正态分布 若X?N(μ,σ2)，则E(X)=μ，而方差为D(X)=σ2. 证：X的概率密度为： 正态随机变量的分布完全可由这的数学期望和方差确定。 特别地，X～N(μ,σ2)，Y=(X-μ)/σ，根据正态分布的性质知Y服从正态分布而E(Y)=0， D(Y)=1，故Y～N(0，1)。这样导出Y的分布N(0，1)与第二章中的方法要简便得多。 证：只对连续型情况给出证明。设X的概率密度为f(x)，则有 (2)这个不等式给出了在随机变量X的分布未知的情况下事件 |x-μ|ε的概率的一种估计方法。例如: 8.矩 例: 设X?N(μ,σ2),求:X的k阶中心矩ak(k为正整数)。 解: E(X)=μ, 而a2=D(x)=σ2,所以当k为偶数时: 当k为奇数时, ak=0。 当k为偶数时, 由此推递关系 所以X的k阶中心矩为 特别地，若X?N(0,1),则 * * 1. 概念的引入 实例 有两批灯泡,其平均寿命都是 E(X)=1000时. 4.2 随机变量的方差 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： 你认为哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因为乙炮的弹着点较集中在中心附近 . 中心 中心 为此需要引进另一个数字特征, 刻划随机变量在其中心位置附近分散程度的大小这一特征，其中最重要的是方差。 这个数字特征就是我们这一讲要介绍的 方差 2. 方差的定义 D(X ) —— 描述 r.v. X 的取值偏离平均值 的平均偏离程度 —— 数 . ) ( , . . ) ( X σ X v r X D 记为 的标准差或均方差 为 称 (1) 方差是一个常用来体现随机变量 X 取值分散程度的量.如果 D(X) 值大,表示 X 取值分散程度大,E(X) 的代表性差; 而如果 D(X) 值小,则表示X 的取值比较集中,以 E(X) 作为随机变量的代表性好. 3. 注释 (2) 对任意的随机变量D(X)不一定存在，例如 (Cauchy分布)，因为E(X)不存在,所以D(X)不存在。 离散型随机变量的方差 连续型随机变量的方差 4. 随机变量方差的计算 (1) 利用定义计算 证明 (2) 利用公式计算 例．随机变量X的概率密度为 求E(X)，D(X)。 例 设r.v X服从几何分布，概率函数为 P(X=k)=p(1-p)k-1, k=1,2,…，n,… 其中0p1,求D(X) 解： 记 q=1-p D(X)=E(X2)-[E(X)]2 +E(X) 若 相互独立， 为常数， 则 若X ,Y 相互独立 (4) 对