[工学]第4章 数字特征.ppt

第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵 四、切比雪夫不等式 或 由切比雪夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X 集中在期望附近的可能性越大. 证 我们只就连续型随机变量的情况来证明. 当方差已知时，切比雪夫不等式给出了r.v X与它的期望的偏差不小于 的概率的估计式 . 如取 可见，对任给的分布，只要期望和方差 存在， 则 r.v X取值偏离E(X)超过 3 的概率小于0.111 . 例9 已知正常男性成人血液中 ，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 . 解：设每毫升白细胞数为X 依题意，E(X)=7300,D(X)=7002 所求为 P(5200 X 9400) P(5200 X 9400) = P(-2100 X-E(X) 2100) = P{ |X-E(X)| 2100} 由切比雪夫不等式 P{ |X-E(X)| 2100} 即估计每毫升白细胞数在5200~9400之间的概率不小于8/9 . 例10 在每次试验中，事件A发生的概率为 0.75, 利用切比雪夫不等式求：n需要多么大时，才能使得在n次独立重复试验中, 事件A出现的频率在0.74~0.76之间的概率至少为0.90? 解：设X为n 次试验中，事件A出现的次数， E(X)=0.75n, 的最小的n . 则 X~B(n, 0.75) 所求为满足 D(X)=0.75×0.25n=0.1875n =P(-0.01nX-0.75n 0.01n) = P{ |X-E(X)| 0.01n} P(0.74n X0.76n ) 可改写为 在切比雪夫不等式中取 n，则 = P{ |X-E(X)| 0.01n} 解得 依题意，取 即n 取18750时，可以使得在n次独立重复试验中, 事件A出现的频率在0.74~0.76之间的概率至少为0.90 . 课堂练习 六、小结 这一讲，我们介绍了随机变量的方差. 它是刻划随机变量取值在其中心附近离散程度的一个数字特征 . 下一讲，我们将介绍刻划两r.v间线性相关程度的一个重要的数字特征： 协方差、相关系数 协方差 相关系数 课堂练习 小结 布置作业 前面我们介绍了随机变量的数学期望和方差，对于二维随机变量（X，Y），我们除了讨论X与Y的数学期望和方差以外，还要讨论描述X和Y之间关系的数字特征，这就是本讲要讨论的 协方差和相关系数 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ，即 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 一、协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b 是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X 与 Y 独立， Cov(X,Y)= 0 . 3. 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 可见，服从参数为n和p的二项分布的随机变量X的数学期望是 n p. X~B(n,p), 若设 则 X= X1+X2+…+Xn = np i=1,2，…，n 因为 P(Xi =1)= p, P(Xi =0)= 1-p 所以 E(X)= 则X表示n重贝努里试验中的“成功” 次数. E(Xi)= = p 例9 把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望. 由于 E(Xk)=P(Xk =1) 解: 设巧合个数为X, k=1,2, …,n 则 故 引入 例10 一民航送客车载有20位旅客自机场开出,旅客有10个车站可以下车,如到达一个车站没有旅客下车就不停车.以X表示停车的次数，求E(X).(设每位旅客在各个车站下车是等可能的,并设各旅客是否下车相互独立) 按