随机变量的数字特征(上课用）.pptVIP

3. 方差的性质 (1) D(aX+b)= a2D(X ), a, b为常数； (2) 若 X，Y 独立，则 D(X+Y )= D(X )+D(Y ); (3) D(X )=0? 存在常数C，使 P{X=C }=1, 且C=E(X ); (4) 对任意C?R, E(X?C)2 ? D(X ), 且 minE(X?C )2=E[X?E(X )]2=D(X ). 若X1, X2 , ? , Xn 相互独立，则 D(X1+ X2+? +Xn )= D(X1 )+ D(X1 )+ ?+D(Xn ); 若 X，Y 独立，则 D(X?Y )= D(X )+D(Y ); 以 X 记 n 重贝努里试验中A发生的次数，则 X~B(n，p) 若记 若在第 i 次试验中 A 发生； 若在第 i 次试验中 A 不发生。 X 0 1 P 1-p p 1, 0, ?E(Xi )=p , D(Xi )=p(1-p) 又 X=X1+ X2 +?+ Xn , ?E(X )=E(X1 )+E( X2 ) +?+ E(Xn ) =np , D(X )=D(X1 )+D( X2 ) +?+ D(Xn ) =np(1-p) . 称为X 的均方差或标准差，其量纲与X的一致。 易知 E(X ? )=0，D(X ? )=1. ? 切比雪夫不等式 若 r.v.X的期望和方差存在，则对任意? ? 0，有 这就是著名的切比雪夫(Chebyshev)不等式。 它有以下几种等价的形式： 记 =D(X ), =E(X ), 则对k 0, 有 定理 (Cauchy-Schwarz不等式) 若对任意的 r.v. X、Y，若E(X 2) +?， E(Y 2) +?，则 [E(XY )]2? E(X 2) E(Y 2) 当且仅当P{Y= kX }=1时等号成立，其中k为某常数。 ? 协方差，相关系数 1.协方差定义(Co-variance) 若 r.v. X的期望 E(X )和Y 的期望 E(Y )存在, 则称 E{[X?E(X )][Y?E(Y )]}为X与Y的协方差,记为Cov(X, Y ). 即 Cov(X, Y )=E{[X?E(X )][Y?E(Y )]}. 易有 Cov(X, Y )=E(XY )? E(X )E (Y )。 2.协方差性质 (1) Cov(X, Y ) = (2) Cov(aX, bY ) = (3) Cov(X+Y，Z ) = Cov(Y, X ); abCov(X, Y ), 其中a, b为 常数； Cov(X, Z )+Cov(Y, Z ); (4) D(X +Y ) = D(X )+D(Y ) + 2Cov(X, Y ). 3. 相关系数 定义 若 r.v. X，Y的方差和协方差均存在, 且D(X ) 0, D(Y ) 0，则 称为X与Y 的相关系数. 若?XY=0，则称X与Y不相关，否则称X与Y 相关。 ?X与Y 不相关? Cov(X, Y )=0 ? E(XY )= E(X )E (Y )。 Cov(X?, Y ?) 称为X与Y 的标准化协方差， 易知 Stop Ch4 随机变量的数字特征 ? 数学期望(Expectation) 一? 加权平均数 例 设某班40名学生的概率统计成绩及得分人数如下表所示： 分数 40 60 70 80 90 100 人数 1 6 9 15 7 2 则学生的平均成绩是总分÷总人数(分)。即 上式也可以写成： 这种计算方法即为40,60,70,80,90和100这六个数的 加权平均数。 其中 称为数 的权重。 的加权算术平均数 为： 一般地有 X 40 60 70 80 90 100 P 1/40 6/40 9/40 15/40 7/40 2/40 现引进 r.v. X表示学生得分，则X有分布律 于是上述平均数可以写成 即取值乘取值的概率相加即得平均值。 这就是 r.v.的数学期望的概念 二.离散型随机变量的数学期望 定义：离散型随机变量X，其分布律为： 若级数 绝对收敛， 即 若级数 发散，则说X的数学期望不存在。 的和 为随机变量X的数学期望，记为 则称级数 例 r.v. X的分布律为： X 10 30 50 70