连续随机与变量及其数字特征 .ppt

累积分布函数 的二条重要性质： 1、 2、 经验表明：随机变量如果受大量微小的、独立的随机因素的影响时，可看作这些随机因素作用叠加的总和，这样的随机变量近似服从正态分布。 这种现象的理论解释是独立同分布中心极限定理。 定义： 对于随机变量 ，称函数 为随机变量 的累积分布函数 五、累积分布函数 累积分布函数具有下列基本性质： （4）连续型随机变量 的累积分布函数 因此 即：累积分布函数的导数等于密度函数 因为 例： 已知连续型随机变量 的概率密度为 求： 的累积分布函数 及 、 解： 随机变量的分布函数、概率密度能全面、完整地描述随机变量的概率性质和分布情况，但比较烦琐、复杂，不易看出分布的主要特征，也不便于进行随机变量之间的比较。 在许多实际问题中，我们只需要知道随机变量的主要数字特征（数学期望，方差），并不需要详细了解可能难以确定的随机变量的分布情况。 六、随机变量的数字特征 随机变量的数字特征不仅在一定程度上可以简单刻划出随机变量的基本性态，而且可以用数理统计的方法估计出它们。 因此对它们的研究在理论上、实际上都有重要意义。 1、从加权平均谈起 一门课程，平时成绩p占30%，期末成绩m占70%，某生平时得90分，期末得82分，则该生该课程的总成绩 z 为平时成绩p和期末成绩m的加权平均，即 数学期望—数据的集中程度 一般地，一组数据 在一组权重 下的加权平均为： 定义：连续型随机变量 的概率密度为 ， 如果广义积分 存在，则称广义积分 为 的数学期望或均值，即: 2、连续型随机变量的数学期望 例： 已知连续型随机变量 的概率密度为 求： 解： 正态分布 3、正态分布的数学期望 4、数学期望的性质 设连续型随机变量 的概率密度函数为 ， 而 为连续函数或分段连续函数。 如果广义积分 存在，则称此广义积分为对应的函数 的数学期望或均值，即： 5、随机变量函数的数学期望 1、方差的概念 一门课程，三次考试成绩 a、b、c 各占总成绩 z 的1/3。 甲得分为70分、80分、90分 乙得分为60分、80分、100分 计算得出两人期末总成绩 z 都为80分 如何评价两人该课程成绩的好坏呢？ 方差—数据的分散程度 我们注意到乙的成绩起伏较大，因此可以用通过各次成绩与期末总成绩的偏离程度的平方和 来揭示两人成绩的差异。 计算得：甲为 200，乙为 800 显然乙的成绩起伏较大，与观察吻合。 定义： 连续型随机变量 的概率密度为 如果广义积分 存在，则称为 的方差，即： 并称 为 的标准差或均方差。 例： 已知 为离散型或连续型随机变量 证明： 证明： 由方差的定义和数学期望的性质，有 这就是方差的计算公式 例： 已知连续型随机变量 的概率密度为 求： 解： 正态分布 2、正态分布的方差 3、方差的性质 例： 已知随机变量 的均值和方差都存在。 称随机变量 为 的标准化随机变量。 说明任意随机变量可以化为标准化随机变量！ 证明： 证明： 回顾过去学习过的 离散型随机变量 如果随机变量 可能取的值为有限个或可列无穷多个，这种