ch04-01 应用统计学.pptVIP

第四章 前面我们讨论了随机变量及其分布，如果知道了随机变量的概率分布，那么随机变量全部概率特征就知道了。然而， 在实际问题中，有的随机变量的概率分布难确定，有的不可能知道。 在实际应用中，有时人们更关心概率分布的数字特征。 一些常用的重要分布，如二项分布、泊松分布、指数分布、正态分布等，只要知道了他们的某些数字特征，就能完全确定其具体的分布。 我们将介绍常用的数字特征： 数学期望、方差、协方差、相关系数。 第四章 随机变量的数字特征第一节 数学期望 一、概念 （一）离散型随机变量的数学期望 例 一射手进行打靶练习，规定射入区域e2得2分， 射入区域e1得1分，脱靶即射入区域e0得0分。 射手一次射击得分数X是一个r.v. 设X～P(X=k)=pk, k=0,1,2. 现他射击N次，其中得0分的有a0次，得1分的有a1次，得2分的有a2次，且知a0+a1+a2=N 他射击N次得分的总和为：a0×0+a1×1+a2×2 所以平均一次射击的得分数为： 上式 是以频率为权数的加权平均值。若对X作一系列的试验，所得的X的试验值的平均值不同，是随机的。 在第一章讨论的频率稳定性和将在第五章中的大数定律，都是研究频率和概率的关系，可知当N越大趋于无穷时，频率 逐渐稳定于概率pk。 故当N很大时可用概率代替频率，这可得到 而 是一个定值，我们用它作为随机变量的数学期望定义，还是合理的。 2、举例 例1：设随机变量X～B(1,p)，求E(X)。 解：已知 0p1 由定义 例2：设随机变量X～π(λ) 解：已知 例3，随机变量X～B(n,p)，求E(X)。 解：已知 （二）连续型随机变量的数学期望 已知 X～f(x) 将连续型r.v.X离散化，从而定义E(X)。 ①在X轴上取等分点……x-1,x0,x1,x2…… Δxi=xi+1-xi=Δx, i=0,±1,±2，…… 设xi都是f(x)的连续点， 有 ②由于Δxi很小，定义一个离散型r.v.x*为 定义1.2 ：设连续型随机变量X的概率密度为f(x)， 若积分 则称此积分值为X的数学期望（或均值），记为E(X)， 即 例4：已知随机变量 求E(X)。 例5：设随机变量X～U[a,b]，求E(X) 例7：设随机变量X～N(μ,σ2)，求E(X)。 本应先验证 ，知均值存在，再求E(X)。 说明：以后规定若题中要求E(X)即是知道其均值是存在的，不必验证。如果题中是要讨论均值存在性？这就要验证存在条件，如P139第4题。我们不做要求。 二、随机变量函数的期望 例：某商场对某种商品的销售采用先使用后付款的方式，设使用寿命为X（单位：年） 且规定 已知寿命 该商场一台收费Y（单位：元）是随机变量，试求E(Y)。 分析：由题意知收费Y是寿命X的函数， 其函数可表示为： 上例解法一是先求出Y的分布率，再用定义计算E(Y)。 例9：已知 X -1 0 1 2 ， 设 Y=2X2+1, 求E(Y) pk 1/8 1/4 1/4 3/8 解：由于 X取值=xk -1 0 1 2 Y取值=2xk2+1 3 1 3 9 pk 1/8 1/4 1/4 3/8 可证明连续型随机变量函数的期望也有类似解法。见定理1.1 1. 定理1.1：设Y是随机变量X的函数：Y=g(X) （g是连续函数） 1o X是离散型随机变量，它的分布律为： 2o X是连续型随机变量，它的概率密度为f(x)， 定理的重要性在于：当我们求E(Y)=E[g(x)]时，不必算出Y的分布，而只需知道X的分布就可以了。这给求随机变量函数的均值带来很大方便。 例10：设随机变量X～U[0,π]，且知Y=sinX，求E(Y)。 定理1.1可以推广到多个随机变量的函数的情况。 2. 设Z是随机变量X,Y的函数，Z=g(X,Y)，（g是连续函数）。 已知：离散型r.v.(X, Y)～pij，i,j=1,2,… 则 E(Z) = E[g(X,Y)] 已知 连续型r.v.(X, Y)～f(x,y) 则 E(Z) = E[g(X,Y)] 例11：已知随机变量(X, Y)的联合密度为 且Z=XY，求E(Z)。 三、数学期望的性质 若C是常数：则E(C) = C。 若C是常数：则E(CX) = CE(X)（存在）。 若二维r.v.(X,Y)，E(X), E(Y)存在，则E(X±Y) = E(X)±E(