随机变量的数字特征.pptVIP

山东轻院皮革教研室 统 计 学statistics 李欣先 Email:lixinxian2005@126.com 某市准备通过考试招聘300名公务员，其中280名正式工，20名实习工。实际报考人数为1657名，考试满分400分，考后不久，通过当地新闻媒体得到如下信息：考试平均成绩是166分，360分以上的高分考生31名。某考生A的成绩为256分。他能被录取吗？若被录取，能否是正式工？ §2 随机变量的数学期望 §3 随机变量的方差 §6 协方差与相关系数 引言 若X，Y独立，则： D(X+Y)=D(X)+D(Y) E(XY)=E(X)E(Y), 从而有 E{[X-E(X)][Y-E(Y)]}=0. 说明E{[X-E(X)][Y-E(Y)]}的大小反映了X，Y间关联的程度。 协方差与相关系数的定义 1．协方差的定义 量E{[X-E(X)][Y-E(Y)]}称为随机变量X与Y的协方差，记为Cov(X，Y)，即 Cov(X，Y)= E{[X-E(X)][Y-E(Y)]}。而当D(X)0, D(Y)0时， 称为随机变量X与Y的相关系数。 (2)ρXY是一比例常数，并有定义：ρXY=0 ? X，Y不相关。 (3) ρXY又称为标准协方差。因为设 2.关系公式: (1) 协方差与方差的关系：D(X+Y)=D(X)+D(Y)+2Cov(X，Y) (2) 协方差与数学期望的关系：Cov(X，Y)=E(XY)-E(X)E(Y) 我们常用这个公式计算协方差。 (3) 若X，Y独立，则Cov(X，Y)=0,但反之不成立。 3．协方差与相关系数的性质 协方差具有下述性质： (1) Cov(X，Y)= Cov(Y，X)； (2) Cov(aX，bY)= abCov(X，Y)； (3) Cov(X1+X2，Y)= Cov(X1，Y)+ Cov(X2，Y) 相关系数具有下述性质： (1)|ρXY|≦1 ; 证： 由柯西一许瓦兹不等式知 (2) |ρXY|=1 ? 存在常数a,b使P{Y=aX+b}=1. 意义 |ρXY|=1当且仅当Y跟X几乎有线性关系。这在一定程度上说明了相关系数的概率意义。ρXY并不是刻画X，Y之间的“一般”关系，而只是刻画X，Y之间线性相关的程度。 4．计算： (1)用定义求：若X，Y为离散型随机变量 (2)用公式： 5．定义 若X与Y的相关系数ρXY=0，则称X与Y不相关。 假设随机变量X，Y的相关系数ρXY存在，当X与Y相互独立时,ρXY=0,即X与Y不相关，反之若X与Y不相关，X与Y却不一定相互独立。 §7 分布的其他特征数 例:袋中有红球,黄球,蓝球各一个.从中有放回地每次任取一个,直到取到红球为止.试求取球次数X的概率分布,以及第4次首次取到红球的概率。 解:有放回地取球,每次取到红球的概率为p=1/3. 所以取球次数X的概率分布为 P{X=k}=(1-1/3)k-1/3, k=1,2,… 第4次首次取到红球的概率是 P{X=4}= (1-1/3)3/3=8/81 §4.5 几何分布 §4.5.1 几何分布的数学期望 定理：设随机变量X服从几何分布,即 证明 其中0q=1-p1,k=1,2,…,则随机变量X的数学期望E(X)=1/p. §4.5.2 几何分布的方差 定理:若随机变量X服从几何分布X~Ge(p),则 证明 §5.1.1 均匀分布的数学期望 定理:设连续型随机变量X的密度函数为 则E(X)=(a+b)/2. 证明: §5 常用连续分布的数学期望和方差 §5.1.2 均匀分布的方差 定理:设随机变量X服从均匀分布X~U(a,b),则D(X)=(b-a)2/12. 证明 §5.2.1 正态分布的数学期望 定理:设连续型随机变量X~N(μ,σ2) ,则 E(X)=μ. 证明 为什么? §5.2.2 正态分布的方差 定理:设随机变量X服从正态分布X~N(μ,σ2) , 则D(X)=σ2。 证明 注释： (1)Cov(X，Y)作为[X-E(X)][Y-E(Y)]的均值，依赖于X，Y 的度量单位，选择适当的单位使X，Y的方差是1，协方 差就是相关系数，这能更好的反映X，Y之间的关系，而 不受所用单位的影响。 一般地，数学期望为0，方差为1的随机变量的分布称为标准分布，故ρXY又称为标准协方差。 所以 |ρXY|≦1。 若X，Y为连续型随机变量 例1 若X、Y的E(X)=-2,E(Y)=4, D(X)=4, D(Y)=9,分别在(1) X、Y相互独立，(2) ρXY=0.