概率论与数理统计第四章(A).pptVIP

第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差与相关系数 三 原点矩和中心矩(P116) 1. 二项分布B(n, p)： 几个重要分布的方差 2. 泊松分布P(?)： 由于 两边对 ?求导得 或 或 3. 均匀分布U(a, b): 4.指数分布: 例3 已知随机变量X1,X2,…,Xn相互独立,且每个Xi的 期望都是0,方差都是1,令Y= X1+X2+…+Xn,求E(Y2) 5 一般正态分布N(?, ?2) 标准正态分布 N(0, 1) 二 方差的性质 证明: (3) D(X+C)=D(X) 证明: D(X+C)=E{[(X+C)-E(X+C)]2} =E{X+C-E(X)-C]2} =E{[X-E(X)2]} =D(X) (4) 若 X,Y 独立,则 D(X+Y)=D(X)+D(Y); 若 X,Y 独立,则 D(X-Y)=D(X)+D(Y); 证明: 以上两式要求X与Y相互独立的条件过强,后续内容将 要学习到,只要X与Y不相关即可. 随机变量的标准化 设随机变量X具有数学期望E(X)=μ及方差D(X)=σ20,则称 为X的标准化随机变量. 例如,若 X~N(μ,σ2),则 1.协方差定义与计算 （P109） 设随机变量X的期望E(X)和Y的期望E(Y)存在,如果 E{[X?E(X)][Y?E(Y)]}存在.则称之为随机变量 X与 Y的协方差, 记作COV(X,Y)即 一 协方差 COV(X,Y)=E{[X?E(X)][Y?E(Y)]} 易得 COV(X,Y)=E(XY)－E(X)E(Y) 2.协方差性质 (1) COV(X,Y)=COV(Y,X); (6) E(XY)=E(X)E(Y) 的充要条件是COV(X,Y)=0; (2) COV(aX,bY)=abCOV(X,Y), 其中a, b为常数; (3) COV(X+Y,Z)=COV(X,Z)+COV(Y,Z); (5) D(X±Y)=D(X)+D(Y) ± 2COV(X, Y). (7) D(X±Y)=D(X)+D(Y);的充要条件是 COV(X,Y)=0 (4) COV(X,X)=D(X); COV(X,c)=0 例1 设随机变量X?B(12,0.5),Y ?N(0,1), COV(X,Y)=-1,V=4X+3Y+1与W=-2X+4Y, 求: D(V)、 D(W)、 COV(V,W) . 二 相关系数 (P110)定义 若随机变量X，Y的方差都存在且不等于零,协方差Cov(X,Y)存在, 则称 称为 X与 Y的相关系数.当ρXY=0时,称X和Y不相关. 注：若记 称为X的标准化,易知E(X*)=0，D(X*)=1.且 如果 ，我们称X和Y正相关，此时随着X的增大，Y也有增大的趋势；如果 ，则称X和Y负相关，此时随着X的增大，Y有减小的趋势。 * * * * * * * * * * 第一节 数学期望 第二节 方差 第三节 协方差与相关系数 引例 甲、乙两射手的成绩如下,如何进行评价? 甲(X1)环数 7 8 9 10 乙(X2)环数 7 8 9 10 射中次数 4 2 8 6 射中次数 1 2 3 4 一 数学期望的概念 定义(P95) 设离散型随机变量X的概率分布为 数学期望——描述随机变量取值的平均特征 如果无穷级数 绝对收敛,则称无穷级数 的和为离散型随机变量X的数学期望或均值,记作E(X),即 (P96)设连续型随机变量X的密度函数为f(x),如果广义积分 绝对收敛,则称广义积分 的值 为连续型随机变量X的数学期望或均值,记作E(X),即 连续型随机变量X的数学期望是离散型的推广。 例1 设随机变量X的概率密度为 求数学期望E(X) 例2 假设有10只同种电器元件,其中有两只废品,装配仪器时,从这批元件中任取一件,如果是废品,则扔掉重新再取一件,如果还是废品,则继续再取一件.求在取到正品之前,已取出的次品数X的数学期望. 几个重要随机变量的数学期望 1. 0—1 分布的数学期望 2. 二项分布B(n, p) 3. 泊松分布 4. 均匀分布U(a, b) 5. 指数分布 数学期望 记 号 指数分布 均匀分布 泊松分布 二项分布 常见分布的数学期望E(X)