第二章节-随机变量的分布及其数字特征.ppt

随机变量的矩与中位数 随机变量的矩 原点矩与中心矩 Def 设X是随机变量，若 存在， 则称其为X的k阶原点矩， 若 存在， 则称其为X的k阶 中心矩， 中位数 Def 显然，随机变量1阶原点矩是数学期望；2阶中心矩是方差 2.一元离散型随机变量函数的分布求法 一般地，若X是离散型 R.V ，X 的分布律为 则 Y=g(X)的分布表为 如果 中有一些是相同的，把它们作适当并项即可。 证明 因为 所以有 上述结果得以证明。 例2.51 设X的分布表为 -2 -1 0 1 2 0.2 0.1 0.4 0.2 0.1 解： 0.2 0.1 0.4 0.2 0.1 -2 -1 0 1 2 -4 -2 0 2 4 6 3 2 3 6 从而有 的概率分布列为 -4 -2 0 2 4 0.2 0.1 0.4 0.2 0.1 的概率分布列为 2 3 6 0.4 0.3 0.3 3.一元连续型随机变量函数的分布求法 分布函数法的一般步骤 例2.52设X的概率密度为 求Y=2X+8的概率密度。 解：随机变量Y=2X+8的分布函数为 于是，Y 的概率密度函数为 例2.53已知 的概率密度为 ，求 的概率分布。 解： 注意： 证：因为 服从正态分布，其中 。 例2.54 设随机变量 ，证明 也 证明 因为 于是有 例2.55 设随机变量X的概率密度为 求 Y =sinX 的概率密度。 解：随机变量Y =sinX的分布函数为 所以有 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么,X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 数学期望（Expectation）：随机变量的平均值； 反映的是随机变量的集中位置。 方差（Variance）：随机变量的集中程度。 随机变量的数学期望 Mathematical Expectation 以频率为权重的加权平均 ，反映了这7位同学高数成 绩的平均状态。 一、引例 某7学生的高数成绩为90，85，85，80，80，75，60，则他们的平均成绩为 随机变量所有可能取值的平均应怎么确定？？？ 二、数学期望的定义 离散型随机变量 Def 设离散型随机变量的概率分布为 连续型随机变量 Def 设连续型随机变量的概率密度为 ，若广义积分 随机变量数学期望所反应的意义 例2.61已知随机变量X的分布律为 4 5 6 1/4 1/2 1/4 求数学期望 解：由数学期望的定义 例2.62已知随机变量X的分布律为 0 1 求数学期望 解：由数学期望的定义 例2.63已知随机变量 。求数学期望 例2.64已知随机变量 。求数学期望 例2.65已知随机变量 。求数学期望 例2.66已知随机变量 。求数学期望 一元随机变量函数的数学期望 设 是随机变量 X的函数， 离散型 连续型 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变函数的期望带来很大方便. 例2.67 解：因为 例2.68 例2.69已知 的分布表如下，试求 及 的数学期望。 利用X的分布可求出 的分布是自由度为1的卡方分布 即若 ，则 ，且 。 例2.70 已知随机变量 ，求 的数学期望。 解：由定义计算 随机变量数学期望的性质 1. 设C是常数，则E(C)=C； 2. 若C是常数，则E(CX)=CE(X)； 3. 若a是常数，则E(aX+b)=aE(X)+b； 证明：性质3，以离散型随机变量为例 随机变量的方差 Variance 随机变量方差的定义 设 是一随机变量，如果 存在，则称为 的方差，记作 或 方差的计算公式 均方差（标准差） 离散型 设离散型随机变量X的概率分布为 连续型 设连续型随机变量X的分布密度为 f (x) 方差的统计意义 随机变量的方差反映了随机变量所有可能取值的聚散程度。 例2.71已知随机变量X的分布律为 0 1 求方差 解： 例2.72已知随机变量 。