第四章随机变量的数字特征,契贝晓夫不等式.docVIP

第四章 随机变量的数字特征，契贝晓夫不等式 一、随机变量的数学期望 设是一连续型随机变量，密度函数为，取分点： 则随机变量落在中的概率为 当相当小时，就有 这时，分布列为 的离散型随机变量可以看作是的一种近似，而这个离散型随机变量的数学期望为 它近似地表达了连续型随机变量的平均值，当分点愈密时，这种近似就愈好，又数学分析知上述和式以积分 为极限，因而有下述定义 定义3.7设是一个连续型随机变量，密度函数为，当 时,称的数学期望存在，且 同离散型随机变量一样，数学期望是的可能取值（关于概率）的平均. 例3.17 设在上均匀分布，求. 解 由例3.1 已知的密度函数为 故 因为在上均匀分布，它取值的平均值当然应该在的中间，也就是. 例3.18 设的密度函数是参数为的指数分布，求. 解 指数分布是有用的“寿命分布”之一，由上述计算可知，一个元器件的寿命分布如果是参数为的指数分布，则它的平均寿命为.如果某元件的寿命为小时，则相应的，在电子工业中就称该产品是“级”产品.由此可知，越大，则产品的平均寿命越长，使用也就越可靠。 例3.10 设是分布的随机变量，求. 解 令 ，则 由此可知，正态分布中的参数恰是服从该分布的随机变量的数学期望.。 例3.20 若随机变量的密度函数为 （1） 问是否存在？ 解 因为 所以不存在. 以（1）式为密度函数的分布，称为柯西（Cauchy）分布. 定理3.2 若是连续性随机变量，密度函数为，又是实变量的函数，且 则有 如果满足定理3.1的条件，那么利用定理3.1即可证明本定理. 定理3.3 设是二维连续型随机变量，密度函数为，又是二元函数，则随机变量的数学期望为 这里，当然也要求上述积分为绝对收敛. 连续型随机变量的数学期望的性质 （1）若. （2）对任一二维连续型随机变量，若存在，则对任意的实数存在且 （3）又若、相互独立，则存在且 注：这些性质的证明与离散型场合相同，只要把那里的“”换成“”，并把分布列换成密度函数就行了. 二、连续型随机变量的方差 定义3.6 若是一个随机变量，又存在，则称是随机变量的方差，记作或Var,并称是的根方差或标准差. 如果的函数密度为，则定理3.2 ，有 例3.21 设为上均匀分布的随机变量，求. 解 在.3.17 中已求得，而 于是有 例3.22 求服从参数为的指数分布的随机变量的方差. 解 由例3.18知，而 所以 例3.23 设服从分布，求. 解 因为已知，故 令，则有 由此可知，正态分布中的参数恰是服从该分布的随机变量的标准差，于是正态分布由它的数学期望及标准差（或方差）唯一确定. 定理3.4（契贝晓夫不等式） 对任意的随机变量，若存在，则对任意的正常数，有 证明 设是一个连续型随机变量，密度函数为，则 注：在上述的证明中，如果把密度函数换成分布列，把积分号换成求和号，即得到离散型情形的证明. 在契贝晓夫不等式给出的估计中，只需要知道方差及数学期望两个数字特征就够了，因而使用起来比较方便.但因为没有完整用到随机变量的统计规律—分布函数或密度函数，所以一般来说，它给出的估计是比较粗糙的. 利用契贝晓夫不等式可证明下列事实： 随机变量的方差的充要条件是取某个常数值的概率为1，即 这个结论的充分性是显然的，现