Chapter4-数字特征.pptVIP

第四章 随机变量的数字特征： §4.1 随机变量的数学期望 Example: 一射手进行打靶练习，规定射入区域E2得2分，射入E1得1分，脱靶，即射入区域E0得0分。 如果该射手一共射击了N次，其中得0分的有N0次，得1分的有N1次，得2分的有N2次，N0+N1+N2＝N 总得分： 平均分： 离散型随机变量的数学期望 例 1 甲、乙两人进行打靶，所得分数分别记为X1，X2，它们的分布律分别为 离散型随机变量的数学期望 例 2 按规定，某车站每天8:00~9:00， 9:00~10:00都恰有一辆客车到站，但到站的时刻是随机的，且两者到站的时间相互独立，其规律为 离散型随机变量的数学期望 例3 据统计,一位40岁的健康者,在5年内活着或自杀的概率为 ,5年内非自杀死亡的概率为 .保险公司开办5年人寿保险,参加者需交保险费 元,若5年内非自杀死亡,公司赔偿 元 .应如何定 , 才能使公司获益? 离散型随机变量的数学期望 例4 在一个人数很多的团体中,普查某种疾病,为此需化验 个人的血,可以用两种方法: 　　 (1)将每个人的血都分别化验,这就需要 次; 　　 (2)按 个人一组分组,把从 个人抽来的血混在一起检验,若呈阴性,则只需一次;若呈阳性,则再对每个人的血进行化验,这样需要 次. 　　 假设每个人化验呈阳性的概率为 ,且化验结果互相独立,试说明在 很小时,选取适当的 ,按第二种方法可以减少化验次数,并说明 取什么值时最适合. 连续型随机变量的数学期望 随机变量函数的数学期望 设随机变量Y是随机变量X的函数，即 Y = g (X) 若已知X的分布，如何确定Y的期望？ 若X是离散型随机变量 （例 4.14） 若X是连续型随机变量（例 4.10, 4.11） 数学期望的重要性质 1. 设C为常数，则 EC = C 2. 设X是一个随机变量，C是常数，则有 ECX = CEX 3. 设X，Y是两个随机变量，则有 E(X+Y) = E(X) + E(Y) 4. 设X，Y是相互独立的随机变量，则有 E(XY) = E(X) E(Y) 方差的重要性质 1. 设C为常数，则 DC = 0 2. 任意随机变量X有DX≥ 0，且DX ＝ 0的充要条件是 P(X=C) = 1 ( C = EX为常数 ) 3. 设X是一个随机变量，C是常数，则有 DCX = C2DX 4. 设X，Y是相互独立的两个随机变量，则有 D(X+Y) = D(X) + D(Y) 小 结 在二维随机变量（X, Y）中 随机变量的数学期望 EX, EY 随机变量的方差 DX, DY 几种重要随机变量的数学期望及方差 0 - 1分布 二项分布 泊松分布 几何分布 均匀分布 指数分布 正态分布 §4.3 随机变量的矩 设X是随机变量， 若E(Xk)，k＝1,2…存在，则称它为X的k阶原点矩，简称k阶矩； 若E{[X-E(X)]k}，k＝1,2…存在，则称它为X的k阶中心矩。 X的数学期望EX是X的一阶原点矩，方差DX是X的二阶中心矩 §4.4 协方差和相关系数 随机变量X和Y之间的关系（独立与否） 相关系数 ρ：表征XY之间线性关系紧密程度的量 协方差 Cov(X,Y) The end * 数学期望（均值），方差，相关系数，矩 离散型 连续型 随机变量函数 E1 E2 E0 N0×0 + N1×1 + N2×2 ( N0×0 + N1×1 + N2×2 ) / N 定义： 设离散型随机变量X的概率分布列为 P(X=xi)=pi，i=1,2,… 若 ，则称 为X的数学期望（EX ） 即 离散型随机变量的数学期望 X1 0 1 2 pk 0 0.2 0.8 X2 0 1 2 pk 0.6 0.3 0.1 试评定他们的成绩的好坏 数学期望可通俗理解为平均值.故此处所求可理解为平均分 到站时间 8:10 9:10 8:30 9:30 8:50 9:50 本题关键在于确定随机变量X,并求出其分布列 概 率 1/6 3/6 2/6 一旅客8:00到车站，求他