第四章随机变量数字特征 从前面讨论中知道.pdfVIP

第四章 随机变量的数字特征 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，要求出随机变量的分布函数有时并不容易，同时在许多实际问题中， 这种全面描述往往并不方便。举例来说，要比较两个班级学生的学习情况，如果仅考察某 次考试的成绩分布，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 平均成绩以及该班每个学生的成绩与平均成绩的偏离程度，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。本章将介绍随机变量的几 个常用的数字特征： 数学期望、方差、相关系数和矩。 §4.1 数学期望 一、数学期望的定义 在实际工作中，人们常常使用“平均值”这个概念。例如，为考察一批钢筋的平均抗 拉强度，现从中抽取 10 根，测得抗拉强度如下表所示。 抗拉强度xi 110 120 125 130 135 140 根数ni 1 2 3 2 1 1 则它们的平均抗拉强度为 ·86 · 6 x n ∑ i i 6 n × + × + × + × + × + 110 1 120 2 125 3 130 2 135 1 140 1 × i 1 i = ∑xi n i 1 n 10 1 2 3 2 1 1 110=× +120× +125× +130× +135× +140× 10 10 10 10 10 10 =126 。 6 n