医学概率第1章-5.pptVIP

* 1.3 随机变量的数字特征 我们知道，随机变量的概率分布完整地描述了随 机变量的统计规律性. 但是要完全知道一个随机变量 的概率分布, 并非一件容易的事情. 题中，也无需知道随机变量的一切概率性质，而是只 更何况在实际问 关心一些能描述随机变量某些方面特征的数字——数 字特征. 常用的随机变量的数字特征有数学期望、方差、 相关系数和矩. 1）数学期望与方差 一、离散型随机变量的数学期望 引例:为了调整车辆，对某个公共汽车站的乘客数 进行了20天的观察，其结果为: 求平均每天的乘客数. 1 1 5 7 4 2 天数 440 430 420 410 400 390 乘客数 解: 20天中，平均每天乘客数为 =(390×2+400×4+410×7+420×5+430×1+440×1)/20 这里2/20，4/20是“乘客数为390人”“乘客数为400人”的频率， =390×2/20+400×4/20+410×7/20+420 ×5/20+ 430×1/20+440×1/20=411 若将频率视为相应的概率， 则可建立如下模型 (用X表示日乘客数)： 定义1.9 设离散型随机变量X 的分布律为： 若级数 收敛， 为离散型随机变量 X 的数学期望， 简称期望或均值， 记为E(X), 即: 则称 (1-14) 称X 的数学期望存在， 设X 是一个连续型随机变量，密度函数为f (x) , 当积分 绝对收敛时， 且数学期望为 (1-15) 常见的随机变量的数学期望 １ 二项分布的数学期望 例1 若随机变量 X 服从二项分布　　　 试求 它的数学期望　　 解 2 泊松分布的数学期望 例2 若随机变量 X 服从参数为 的泊松分布， 试求它的数学期望　　　 解 3 几何分布的数学期望 例 设随机变量 X 服从几何分布，即 解 注： 随机变量的数学期望不存在的例子： 2 4 8 … … pk X 例4 设 在 上服从均匀分布，求 例5 设 的密度函数是参数为 的指数分布, 求 解 密度函数为 例6 设 是 分布的随机变量，求 解 随机变量数学期望的性质（证明略） （1）对任意常数C 有，EC=C. （3）对任意两个随机变量 ，若 都存在，则 （2）若 存在，则对任意常数C 有 （4）对任意两个独立的随机变量 有 都存在，则 性质（3）和（4）可以推广到有限多个的情况. (1-16) (1-17) 若 相互独立，则 随机变量函数的数学期望 若X是一个随机变量, 显然是一个随机变量, g(x) 是实变量 x 的单值函 且是随机变量 的函数 . 称随机变量Y是随机变量X的函数. 数, 则 定理1.1 若X 是一个随机变量， g(x) 是一个实函 数， （1）若X 是一个离散型的随机变量，其分布为 （1-18） （2）若X是一个连续型的随机变量, f (x)是其密度函数，且 （1-19） 定理1.2 设随机向量(X, Y )的函数Z=g(X, Y) 的数学期望存在，则 （1）若(X, Y ) 是二维离散型随机变量，其联合分 布列为 则Z=g(X, Y) 的数学期望为 （1-20） （2）若(X, Y )是二维连续型随机变量，其联合密度 函数为f (x, y)，则 （1-21） 以上两个定理将在后面计算方差和协方差时用到. 补例 1 设的密度函数为 求 解 随机变量的方差 数学期望的实质是随机变量的平均取值. 在实际 中，有时只知道随机变量的平均取值是不够的. 例如, 比较两个班的学习成绩，一般是比较两个班的平均成 绩，但如果两个班的平均成绩相等, 还要区别两个班 的学习水平，如何处理呢? 一般来讲，我们以随机变量的平均取值为标准, 考察随机变量的所有可能取值和平均取值的偏差, 将 所有偏差的平方平均相加. 即所谓的方差. 再例如，比较两个产品的 质量问题等等. 方差是刻画随机变量取值的离散程度的数字. 定义1.10 设X 是随机变量，若 存在， 则称其为随机变量的方差，即 方差的平方根 又称为标准差或根方差. 由定义可知: 的方差是 函数的期望，所以 (常用公式) 随机变量的数学期望和方差叫做随机变量的数字特征. （1）如果 X 为离散型随机变量，其分布律为 P (X=xk