第四章 随机变量的数字特征..ppt

第四章 随机变量的数字特征 前面讨论了随机变量的分布函数, 从中知道随机变量的分布函数能完整地描述随机变量的统计规律性.但在许多实际问题中, 人们并不需要去全面考察随机变量的变化情况, 而只要知道它的某些数字特征即可.例如, 在评价某地区粮食产量水平时, 通常只要知道该地区粮食的平均产量; 又如, 在评论一批棉花的质量时, 即要注意纤维的平均长度, 又要注意纤维长度与平均长度的偏离程度. 实际上, 描述随机变量的平均值和偏离程度的某些数字特征在理论和实践上都具有重要的意义, 它们能更直接, 更简洁, 更清晰和更实用地反映出随机变量的本质.本章将要讨论的随机变量的常用数字特征: 数学期望, 方差, 相关系数, 矩. §4.1 数学期望 首先从一个例子说起 假设一个班共20人, 其中18岁的有6人, 19岁的有10人, 20岁的有4人, 现任取一人观察其岁数, 则观察到的岁数X为一随机变量, 不难求出X的分布率如下表所示. 现在要计算这个班的学生的平均年龄 有两种计算办法, 第一种办法是将这个班的学生的每个人的年龄加起来, 再除以这个班的人数20人, 即6个18岁, 10个19岁, 4个20岁加起来得平均年龄为 第二种办法是统计的办法, 实际情况更有用 就是通过对随机变量X进行一遍又一遍地重复试验, 假设这试验一共做了n次, 而获得了18,19,20这三个年龄的次数分别为n18, n19, n20次, 则将这n次试验所获得的年龄数统统加起来除以n就是统计平均的年龄 当然, 统计平均值?X 与准确计算的平均值EX还可能有差距, 但是当试验次数趋向于无穷时, 统计平均值?X就趋近于数学期望EX了. 一, 离散型随机变量的数学期望平均值是日常生活中最常用的一个数字特征, 它对评判事物, 作出决策等具有重要作用. 例如, 某商场计划于5月1日在户外搞一次促销活动, 统计资料表明, 如果在商场内搞促销活动, 可获得经济效益3万元; 在商场外搞促销活动, 如果不遇到雨天可获得经济效益12万元, 遇到雨天则带来经济损失5万元; 若前一天的天气预报称当日有雨的概率为40%, 则商场应如何选择促销方式? 显然商场该日在商场外搞促销活动预期获得的经济效益X是一个随机变量, 其概率分布为 P{X=x1}=P{X=12}=0.6=p1, P{X=x2}=P{X=-5}=0.4=p2,要作出决策就要将此时的平均效益与3万元进行比较, 如何求得平均效益呢? 要客观地反映平均效益, 即要考虑X的所有取值, 又要考虑X取每一个值时的概率. 称这个平均效益5.2万元为随机变量X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 例2 某种产品每件表面上的疵点数服从参数l=0.8的泊松分布, 若规定疵点数不超过1个为一等品, 价值10元; 疵点数大于1个不多于4个为二等品, 价值8元; 疵点数超过4个为废品. 求(1) 产品的废品率;(2) 产品价值的平均值. 解 设X代表每件产品上的疵点数, 由题意知l=0.8.(1) 因为 (2) 设Y代表产品的价值, 那么Y的概率分布为 二, 连续型随机变量的数学期望设X是连续型随机变量, 其密度函数为f(x), 在数轴上取很密的分点?x0x1x2?, 则X落在小区间[xi,xi+1)的概率为 此时, 概率分布 定义2 设X是连续型随机变量, 其密度函数为f(x), 如果 注: 并非所有随机变量都有数学期望.例如, 若X的密度为 例3 已知随机变量X的分布函数 例4 某商店对某种家用电器的销售采用先使用后付款的方式, 记使用寿命为X(以年计), 规定: X?1, 一台付款1500元; 1X?2, 一台付款2000元; 2X?3, 一台付款2500元; X3, 一台付款3000元.X的概率密度 解 先求出寿命X落在各个时间区间的概率. 即有 则Y的分布律为 例5 设随机变量X~f(x), E(X)=7/12, 且 解方程组得a=1, b=1/2.当0?x1时, 有 三, 随机变量函数的数学期望设X是随机变量, g(x)为实函数, 则Y=g(X)也是随机变量, 理论上, 虽然可通过X的分布求出g(X)的分布, 再按定义求出g(X)的数学期望E[g(X)]. 但这种求法一般比较复杂.下面不加证明地引入有关计算随机变量函数的数学期望的定理. 定理1 设X是一个随机变量, Y=g(X), 且E(Y)存在, 则(1) 若X为离散型随机变量, 其概率分布为 P{X=xi}=pi, i=1,2, … 则Y的数学期望为 定理2 设(X,Y)是二维随机向量, Z=g(X,Y), 且E(Z)存在. 则(1) 若(X,Y)为离散型随机向量, 其分布率为 P