第四章 随机变量的数字特征总结.docVIP

第四章 随机变量的数字特征 ㈠ 数学期望 表征随机变量取值的平均水平、“中心”位置或“集中”位置． 1、数学期望的定义 (1) 定义 离散型和连续型随机变量X的数学期望定义为 其中Σ表示对X的一切可能值求和．对于离散型变量，若可能值个数无限，则要求级数绝对收敛；对于连续型变量，要求定义中的积分绝对收敛；否则认为数学期望不存在． ①常见的离散型随机变量的数学期望 1、离散型随机变量的数学期望　　设离散型随机变量的概率分布为，若，则称级数为随机变量的数学期望（或称为均值），记为, 即 2、两点分布的数学期望　　设服从0—1分布，则有，根据定义，的数学期望为 .　　3、二项分布的数学期望　　设服从以为参数的二项分布，，则。　　4、泊松分布的数学期望　　设随机变量服从参数为的泊松分布，即，从而有。 ①常见的连续型随机变量的数学期望 1)均匀分布 设随机变量ξ服从均匀分布，ξ～U[a，b] (ab),它的概率密度函数为: = 则 = ∴ E(ξ)=(a+b)/2． 即数学期望位于区间的中点． 2)正态分布 设随机变量ξ服从正态分布， ξ～N(μ,σ2)，它的概率密度函数为: (σ0， - μ+ ) 则 令 得 ∴ E(ξ)= μ . 3)指数分布 设随机变量服从参数为的指数分布，的密度函数为　　　　　　 ，则. (2) 随机变量的函数的数学期望 设为连续函数或分段连续函数，而X是任一随机变量，则随机变量的数学期望可以通过随机变量X的概率分布直接来求，而不必先求出的概率分布再求其数学期望；对于二元函数，有类似的公式： 设为二维离散型随机变量，其联合概率函数 如果级数绝对收敛，则的函数的数学期望为 ； 特别地. 设为连续型随机变量，其概率密度为，如果广义积分 绝对收敛，则的函数的数学期望为． 设为二维连续型随机变量，其联合概率密度为，如果广义积分绝对收敛，则的函数的数学期望为 ； 特别地 ,. 注：求E(X,Y)是无意义的，比如说二维（身高，胖瘦）的数学期望是无意义的，但是二维随机变量函数Z= E(X,Y)是有意义的，他表示的是函数下的另一个一维意义。 2、数学期望的性质 (1) 对于任意常数c，有． 例E[E(X)]=E(X) (2) 对于任意常数，有．例：E(aX+b)=aE(X)+b (3) 对于任意，有． (4) 如果相互独立，则．(注：相互独立有后面的结论成立，但这是单向性的，即不能有结论推出独立) ㈡ 方差和标准差 表征随机变量取值分散或集中程度的数字特征． 1、方差的定义 称 为随机变量X的方差，称为随机变量X的标准差．随机变量X的方差有如下计算公式： (4.3) 2、常见分布的方差 (1)两点分布 设ξ～(0-1)，其概率分布为: P(ξ=1)=p， P(ξ=0)=1-p=q (0p1) E(ξ)=p， E(ξ2)=12×p+02×(1-p)=p ∴ D(ξ)=E(ξ2)-(E(ξ))2=p-p2=p（1-p） (2)二项分布 设ξ～B(n,p)， 其概率分布为: (k=0, 1, 2,…,n) (0p1) E(ξ)=np , (此处运用组合数公式 ) = =, (运用二项分布的数学期望公式知 ) E(ξ2)=np(n-1)p+np , ∴ D(ξ)=E(ξ2)-(E(ξ))2=np(1-p)． (3)均匀分布 设ξ～U[a, b] ( a b)，它的概率密度函数为: E(ξ)=(a+b)/2 , . ∴ D(ξ)=E(ξ2)-(E(ξ))2=(b-a)2/12. (4)正态分布 设ξ～N(μ, σ2),它的概率密度函数为: (σ0，-∞μ+∞) E(ξ)=μ (令t=(x-μ)/σ) =σ2 ∴ D(ξ)=σ2. (5)指数分布 2、方差的性质 (1) ，并且当且仅当（以概率１）为常数； (2) 对于任意实数，有；（方差对随机变量前面的常数具有平方作用） (3) 若两两独立或两两不相关，则 ． （4）D(X)≥0，D(X)=0的充要条件是P｛X=E（X）｝=1或者P{X=C}=1. (5)设X是一个随机变量，c是常数，则D(X+c)=D(X).例：D(kξ+c)= k2D(ξ)； ㈢ 切比雪夫不等式 我们知道方差是用来描述随机变量的取值在其数学期望附近的离散程度的，因此，对任意的正数，事件发生的概率应该与有关，而这种关系用数学形式表示出来，就是下面我们要学习的切比雪夫不等式。 定理1 设随机变量的数学期望与方差存在 ，则对于任意正数，不等式